[发明专利]基于生成对抗网络的图像分类方法、系统及电子设备

权利要求书

1.一种基于生成对抗网络的图像分类方法，其特征在于，包括：

服务端获取待分类图像，对各个客户端发起是否能参加分类任务的判定请求；

每个客户端根据所述判定请求，对自身状态参数判定后反馈是否能参加分类任务的响应信号给所述服务端；

所述服务端根据各个客户端反馈的响应信号，将所述待分类图像分发给可以参加分类任务的目标客户端；

各个目标客户端将所述待分类图像输入各自预先训练的少样本网络模型进行分类，得到第一分类结果；并将所述第一分类结果上传至所述服务端；

所述少样本网络模型包括小样本网络模型和半监督网络模型中的至少一种；所述预先训练的少样本网络模型采用生成对抗网络生成的模型训练样本训练而成；

所述服务端对每个目标客户端的第一分类结果汇总整理，输出第二分类结果。

2.根据权利要求1所述的图像分类方法，其特征在于，所述预先训练的少样本网络模型采用生成对抗网络生成的模型训练样本训练而成，包括：

所述客户端下载公共数据，并整合所述公共数据和所述客户端自身的私有数据，使用生成对抗网络，生成模型训练样本；

所述客户端将所述模型训练样本输入所述客户端的少样本网络模型，生成所述预先训练的少样本网络模型。

3.根据权利要求1所述的图像分类方法，其特征在于，在所述服务端对每个目标客户端的第一分类结果汇总整理，输出的分类结果之后，还包括：

所述服务端将所述第一分类结果和所述第二分类结果比对，输出与所述第二分类结果不一致的第一分类结果；

所述服务端将所述与所述第二分类结果不一致的第一分类结果及所述第二分类结果反馈给各个目标客户端；

所述各个目标客户端根据反馈的与所述第二分类结果不一致的第一分类结果及所述第二分类结果更新所述各个目标客户端的少样本网络模型，以用于下一轮分类任务。

4.根据权利要求3所述的图像分类方法，其特征在于，所述各个目标客户端根据反馈的与所述第二分类结果不一致的第一分类结果及所述第二分类结果更新所述各个目标客户端的少样本网络模型，包括：

所述各个目标客户端根据反馈的所述不一致的第一分类结果及所述第二分类结果更新所述生成对抗网络；

基于更新的生成对抗网络更新模型训练样本；

基于更新的模型训练样本更新所述少样本网络模型。

5.根据权利要求1所述的图像分类方法，其特征在于，在所述服务端对每个目标客户端的第一分类结果汇总整理，输出第二分类结果之后，还包括：

所述服务端对所述第二分类结果进行差分隐私保护，输出第三分类结果。

6.一种基于生成对抗网络的分类模型训练方法，其特征在于，包括：

客户端下载公共数据，并整合所述公共数据和客户端自身的私有数据，使用生成对抗网络，生成模型训练样本；所述公共数据存储于服务端或独立于服务端之外的公共存储装置上；

所述客户端将所述模型训练样本输入所述客户端的少样本网络模型，生成预先训练的分类模型；所述少样本网络模型包括小样本网络模型和半监督网络模型中的至少一种。

7.一种基于生成对抗网络的图像分类方法，其特征在于，应用于服务端，所述方法包括：

获取待分类图像，对客户端发起是否能参加分类任务的判定请求；

根据各个客户端反馈的响应信号，将所述待分类图像分发给可以参加分类任务的目标客户端；所述响应信号由所述客户端根据所述判定请求产生；

对每个目标客户端的第一分类结果汇总整理，输出第二分类结果；

所述第一分类结果由各个目标客户端将所述待分类图像输入各自预先训练的少样本网络模型后获得；所述少样本网络模型包括小样本网络模型和半监督网络模型中的至少一种；所述预先训练的少样本网络模型采用生成对抗网络生成的模型训练样本训练而成。