面向图像分类的鲁棒联邦学习方法

本发明公开了面向图像分类的鲁棒联邦学习方法，属于机器视觉技术领域，包括以下步骤：S1、筛选各训练客户端，对全局模型参数初始化；S2、得到各训练客户端的模拟增强数据；S3、得到各训练客户端的矫正后的特征向量；S4、得到局部模型训练的基本损失，由此进行各训练客户端的局部模型再训练；S5、得到各训练客户端的含噪局部模型，由此得到各训练客户端的局部更新模型，并上传至服务端；S6、服务端接收各训练客户端的局部更新模型，得到全局更新模型，重复S2至S6操作，直至全局更新模型收敛。解决了现有技术中在数据分布不均情况下，因数据异常出现导致的模型准确度下降的问题。