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！

龙图腾网恭喜浙江工业大学申请的专利一种基于个性化联邦学习的面部识别方法和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：CN114882573B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202210629966.6，技术领域涉及：G06V40/16；该发明授权一种基于个性化联邦学习的面部识别方法和装置是由陈晋音;李明俊;刘涛;李荣昌设计研发完成，并于2022-06-06向国家知识产权局提交的专利申请。

本一种基于个性化联邦学习的面部识别方法和装置在说明书摘要公布了：本发明公开了一种基于个性化联邦学习的面部识别方法和装置，获取用户的面部图像数据，将所述面部图像数据输入最佳面部识别模型中，得到面部识别结果；个性化模型对上传的本地模型参数进行余弦相似度计算，对自身的全局模型参数进行更新，并将更新后的全局模型参数下发给相对应的客户端，实现在进行客户端分组的时候，将数据分布极端异常的客户端进行隔离，数据分布具有相似性的客户端会进行协作。该方法对恶意攻击方具有良好的防御作用，利用个性化机制进行训练，逐渐将恶意客户端与正常客户端进行分离，聚合不同的全局模型，减少彼此之间的影响，实现对面部的识别。

本发明授权一种基于个性化联邦学习的面部识别方法和装置在权利要求书中公布了：1.一种基于个性化联邦学习的面部识别方法，其特征在于，包括以下步骤：1获取用户的面部图像数据；2将所述面部图像数据输入最佳面部识别模型中，得到面部识别结果；其中，最佳面部识别模型的生成包括以下子步骤：a初始化联邦学习训练环境；所述步骤a具体为：设定整体训练轮次E、本地数据D、参与联邦学习的整体客户端数k，每轮参与训练的正常客户端数为k1，每轮参与训练的恶意客户端数为k2，k＝k1+k2；b服务器在云端为每个客户端设置相对应的个性化模型，每个个性化模型将自身的全局模型参数下发给相对应的客户端，开始联邦学习训练；所述步骤b包括以下子步骤：b1服务器在云端为每个客户端Mi设置好相对应的个性化模型Ni，并初始化每个个性化模型Ni得到初始化的全局模型参数b2每个个性化模型Ni将初始化的全局模型参数下发给相对应的客户端Mi，开始联邦学习训练；c每个客户端对下发的全局模型参数进行本地训练，并将训练好的本地模型参数上传给相对应的个性化模型；所述步骤c包括以下子步骤：c1参与训练的正常客户端，每个客户端不进行数据共享，在本地对下发的全局模型参数进行本地模型训练，得到训练好的本地模型参数上传给相对应的个性化模型；c2参与训练的恶意客户端，每个客户端不进行数据共享，在本地对下发的全局模型参数进行本地模型训练，得到训练好的本地模型参数上传给相对应的个性化模型；d个性化模型对上传的本地模型参数进行余弦相似度计算，对自身的全局模型参数进行更新，并将更新后的全局模型参数下发给相对应的客户端；所述步骤d包括以下子步骤：d1个性化模型Ni将相对应的客户端Mi上传的本地模型参数与其他客户端Mjj≠i上传的本地模型参数进行余弦相似度计算，并将计算的所有余弦相似度进行归一化处理，得到其他客户端j的超参数εj； 其中，下标j表示第j个客户端，j＝1,2,…j,…k；εi为第i个客户端的超参数；客户端之间的余弦相似度更大，则超参数更大，表示协作更多；d2将超参数的其他客户端与该客户端Mi分为Kclass组，所述Kclass组的客户端数量为h，个性化模型Ni对Kclass组内客户端上传的本地模型参数进行加权聚合来对自身参数进行更新，得到更新后的全局模型参数然后将更新后的全局模型参数下发给客户端Mi；加权聚合过程为其中m＝1,2,…m,…h；d3重复步骤d1-步骤d2，直到所有个性化模型将更新后的全局模型参数下发给相对应的客户端；e重复步骤b-步骤d，直到全局模型收敛结束联邦学习；f联邦学习结束后，对所有的个性化模型进行精度计算，将精度最高的个性化模型作为最佳面部识别模型。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18号；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”。