公开(公告)号：CN116229219B

公开(公告)日：2023-09-26

申请号：CN202310521339.5

申请日：2023-05-10

Applicant: 浙江大学

Inventor： 吴超 ,  余敏君 ,  李皓

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于联邦和对比表征学习的图像编码器训练方法和系统，属于自监督机器学习技术领域。由两部分核心内容组成：一个是为了缓解类别不均衡问题所提出的基于类别多样性和特征对齐实现的联邦对比图像表征学习方法，其被记为FedFA；另一个是用来降低批标准层隐私泄漏风险的按层计算静态批标准化方法，其被记为lsBN。结合FedFA和lsBN，本发明可以在尽可能保护用户数据隐私的前提下，利用各客户端所存储的无标签图像数据来训练生成能够更好地服务于各类下游任务的通用图像编码器。

公开(公告)号：CN116229219A

公开(公告)日：2023-06-06

申请号：CN202310521339.5

申请日：2023-05-10

Applicant: 浙江大学

Inventor： 吴超 ,  余敏君 ,  李皓

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于联邦和对比表征学习的图像编码器训练方法和系统，属于自监督机器学习技术领域。由两部分核心内容组成：一个是为了缓解类别不均衡问题所提出的基于类别多样性和特征对齐实现的联邦对比图像表征学习方法，其被记为FedFA；另一个是用来降低批标准层隐私泄漏风险的按层计算静态批标准化方法，其被记为lsBN。结合FedFA和lsBN，本发明可以在尽可能保护用户数据隐私的前提下，利用各客户端所存储的无标签图像数据来训练生成能够更好地服务于各类下游任务的通用图像编码器。