基于联邦学习的目标检测方法和装置

AITNT
正文
推荐专利
基于联邦学习的目标检测方法和装置
申请号:CN202510869815
申请日期:2025-06-26
公开号:CN120766108A
公开日期:2025-10-10
类型:发明专利
摘要
本发明公开了一种基于联邦学习的目标检测方法和装置,属于隐私保护领域。方法包括:确定参与训练检测模型的协调方、若干个第一参与方和第二参与方;第一参与方为含有若干个携带有标签的训练样本的终端设备,第二参与方为含有若干个不携带有标签的训练样本的终端设备,协调方为服务器;基于纵向联邦学习,利用第一参与方和第二参与方的训练样本以及协调方进行检测模型训练,直至得到符合预期的检测模型,以利用检测模型进行目标检测;其中,检测模型基于YOLO V5网络构建。本方案采用联邦学习架构,结合YOLO V5算法,在保护数据隐私性的基础上,提高训练数据量和模型的目标检测精度。
技术关键词
检测模型训练 训练检测模型 终端设备 样本 图像 保护数据隐私 信息更新 训练数据量 直方图均衡化 RSA算法 计算机设备 发送特征 服务器 计算机程序产品 处理器 打标签 加密算法 存储器
系统为您推荐了相关专利信息
1
一种数据资产分层分类管理系统、方法、设备及存储介质
分类管理方法 分层 分类管理系统 资产 企业
2
基于大模型的用户查询命令的处理方法和装置
关键词 命令 大语言模型 种子 人工智能技术
3
光伏电池的故障检测方法、装置、设备、系统和介质
光伏电池 故障检测方法 故障诊断模型 多模态 图像特征数据
4
基于多源三模态数据融合网络的架空线路故障检测方法
架空线路故障 故障特征提取 注意力神经网络 时空双尺度 重构
5
一种用于机载宽视场侦查载荷的弱小目标识别与定位方法
检测网络模型 图像 定位方法 注意力机制 特征提取模块
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号