一种基于联邦学习的模型融合方法及系统

本发明提供一种基于联邦学习的模型融合方法及系统，包括：提取关键点及其描述符，生成初始对应关系集合并进行坐标归一化处理，得到稳健基础特征；初始化联邦学习架构客户端，对本地图像数据进行归一化、裁剪预处理，提取特征描述符，基于卷积神经网络训练局部模型；聚合客户端参数得到全局模型，加权求和或特征拼接融合客户端特征描述符，对融合特征进行深度挖掘，结合全局上下文注意力机制优化特征表达；基于融合特征计算匹配对的内点概率，筛选高概率候选集，求解基本矩阵。本发明技术方案，能够整合来自不同客户端的特征信息，利用更新后的全局模型进行客户端识别匹配点，并通过几何一致性检验去除错误匹配，提升匹配准确性。