一种考虑领域异质性的联邦语义分割方法、系统及装置

本发明涉及人工智能技术领域，公开了一种考虑领域异质性的联邦语义分割方法、系统及装置，包括：接收服务器发送的上一轮训练的泛化全局模型，并将此作为本地模型的初始模型参数；采用本地模型，提取本轮训练的本地图像的特征图和类别掩码；采用本地模型进行标准化得到标准化特征图和领域统计值，对本地图像的标准化特征图去相关，得到去相关特征；计算本轮训练的训练损失；基于本轮训练的训练损失进行更新，得到本轮训练的模型参数；重复上述更新，进行预设轮次训练，在每一轮训练完成后，向服务器发送模型参数和领域统计值。本发明既保留本地数据的特性，又利用全局模型的知识共享优势，提高联邦语义分割面对领域异质性的精准性和泛化性。