一种基于联邦迁移学习的产品包装质检分类方法

本发明公开了一种基于联邦迁移学习的产品包装质检分类方法，包括训练客户端本地使用数据重采样和多尺度特征金字塔网络处理产品包装数据；训练客户端对数据进行输入训练，直至本地模型收敛；使用二阶统计差异加权聚合得到全局模型，使用双向回流迁移方法进行模型优化，得到优化的模型；目标客户端接收服务端发送的全局模型，用于待测产品包装数据质检分类。本发明采用上述方法，在面对多源域和保护隐私的产品包装质检分类的问题场景下，学习质检分类能力，并将其应用到目标域用户上，协同多方参与者共同训练模型，在数据量有限和计算资源受限的情况下，提高模型的泛化能力和准确性。