一种基于异步联邦学习的遥感图像分类方法

本发明公开了一种基于异步联邦学习的遥感图像分类方法，属于联邦学习技术领域，具体包括：客户端获取本地遥感图像数据集后，依据预设规则自主启动训练；训练时，按动态地理边界划分区域，依实时地物特征为各单元生成专属权重；训练完成，客户端将模型参数与地理区域空间属性绑定，生成含地理坐标指纹的参数包上传服务器；服务器接收后，基于指纹构建空间拓扑关系网络，仅融合空间邻接或重叠的参数包，生成全局模型参数；而后服务器根据客户端上报的数据采集范围，定向分发匹配的全局模型参数；客户端持续监测本地数据，一旦新增数据的空间覆盖变化满足条件，便自主触发下一轮训练；本发明提升了遥感图像分类的精度和时效性。