数据异构条件下的图像处理方法、联邦学习方法及装置

专利主权项内容

1.一种数据异构条件下的图像处理方法，其特征在于，应用于作为数据同性簇的簇头的边缘计算设备，包括：使用本地图像数据训练本地模型；其中，使用本地图像数据训练本地模型包括：判断本地模型的模型数据是否偏离全局模型；若否，则计算全局模型的各网络层的模型参数与本地模型中对应网络层的模型参数的残差，并根据所述残差调整本地模型中对应网络层的学习率；若是，则根据全局模型的模型参数与本地模型的模型参数更新本地模型的模型参数；接收所在数据同性簇中的邻居边缘计算设备的本地模型的模型参数；数据同性簇为边缘云服务器根据带权无向图对各边缘计算设备进行分簇的结果；带权无向图根据各边缘计算设备的数据分布相似性构建得到；带权无向图中相连的两个边缘计算设备互为邻居边缘计算设备；聚合自身的本地模型的模型参数与邻居边缘计算设备的本地模型的模型参数，得到第一层模型参数聚合结果，并将自身的本地模型的模型参数更新为所述第一层模型参数聚合结果；聚合簇内的各个边缘计算设备发送的本地模型的模型参数，得到第二层模型参数聚合结果，并将第二层模型参数聚合结果发送给边缘云服务器，以使边缘云服务器聚合各数据同性簇的第二层模型参数聚合结果，得到第三层模型参数聚合结果；接收所述边缘云服务器在以所述第三层模型参数聚合结果作为模型参数的图像处理模型收敛时下发的所述图像处理模型，并使用所述图像处理模型处理图像。