买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)申请的专利一种考虑领域异质性的联邦语义分割方法、系统及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120543843B 。

龙图腾网通过国家知识产权局官网在2026-05-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510565461.1，技术领域涉及：G06V10/26；该发明授权一种考虑领域异质性的联邦语义分割方法、系统及装置是由廖清;冯纪元;杨旭;徐国爱;方滨兴设计研发完成，并于2025-04-30向国家知识产权局提交的专利申请。

本一种考虑领域异质性的联邦语义分割方法、系统及装置在说明书摘要公布了：本发明涉及人工智能技术领域，公开了一种考虑领域异质性的联邦语义分割方法、系统及装置，包括：接收服务器发送的上一轮训练的泛化全局模型，并将此作为本地模型的初始模型参数；采用本地模型，提取本轮训练的本地图像的特征图和类别掩码；采用本地模型进行标准化得到标准化特征图和领域统计值，对本地图像的标准化特征图去相关，得到去相关特征；计算本轮训练的训练损失；基于本轮训练的训练损失进行更新，得到本轮训练的模型参数；重复上述更新，进行预设轮次训练，在每一轮训练完成后，向服务器发送模型参数和领域统计值。本发明既保留本地数据的特性，又利用全局模型的知识共享优势，提高联邦语义分割面对领域异质性的精准性和泛化性。

本发明授权一种考虑领域异质性的联邦语义分割方法、系统及装置在权利要求书中公布了：1.一种考虑领域异质性的联邦语义分割方法，其特征在于，应用于客户端，所述方法包括： 接收服务器发送的上一轮训练的泛化全局模型，并将上一轮训练的泛化全局模型作为本地模型在本轮训练的初始模型参数，所述泛化全局模型由所述服务器对所有客户端基于各自的上一轮训练的本地图像进行训练得到的本地模型的模型参数和领域统计值进行无偏聚合得到，所述领域统计值从类别级别表示每一客户端的所有本地图像的特征趋势，所述本地模型包括细粒度领域无关特征提取模块； 采用所述本地模型，提取本轮训练中的每一本地图像的特征图和类别掩码； 基于每一本地图像的特征图和类别掩码，采用所述本地模型进行标准化得到标准化特征图和领域统计值，并采用所述本地模型对每一本地图像的标准化特征图进行去相关，得到去相关特征； 基于所有本地图像及其类别掩码、标准化特征图和去相关特征，计算本轮训练的训练损失； 基于本轮训练的训练损失更新所述本地模型的初始模型参数，得到所述本地模型在本轮训练的模型参数； 重复上述本地模型的模型参数的更新，进行预设轮次训练，在每一轮训练完成后，向所述服务器发送本地模型的模型参数和领域统计值； 其中，所述基于每一本地图像的特征图和类别掩码，采用所述本地模型进行标准化得到标准化特征图和领域统计值，包括： 对于每一本地图像，基于所述本地图像的特征图和类别掩码，采用细粒度领域无关特征提取模块对所述本地图像进行特征提取，得到所述本地图像中每一类别的类别特征； 对每一类别的类别特征进行细化增强，得到增强特征； 对所述增强特征进行标准化，得到标准化特征； 将所有类别的标准化特征进行合并，得到所述本地图像的标准化特征图； 基于所有本地图像的所有类别对应的标准化特征，确定为所述领域统计值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)，其通讯地址为：518055 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。