[发明专利]一种神经网络模型的调整系统、方法及设备

权利要求书

1.一种神经网络模型的调整系统，其特征在于，包括：服务端和多个客户端，各个客户端分别对应不同的场景；其中，

所述服务端，用于将泛化模型发送给各个客户端；

所述客户端，用于获取在其对应的场景中采集的样本图像，作为私有样本图像；利用所述私有样本图像对所述泛化模型进行调整，得到数据处理模型；将所述私有样本图像发送给所述服务端；

所述服务端，还用于基于所述各个客户端发送的私有样本图像，调整所述泛化模型，将调整后的泛化模型发送至所述各个客户端。

2.根据权利要求1所述的系统，其特征在于，

所述服务端，还用于将加密模型发送给所述各个客户端；

所述客户端，还用于利用所述加密模型对自身的私有样本图像进行加密，得到加密数据；将所述加密数据发送至所述服务端；

所述服务端，还用于基于所述各个客户端发送的加密数据，调整所述泛化模型。

3.根据权利要求2所述的系统，其特征在于，所述加密模型包括特征提取模型；

所述客户端，还用于通过利用所述特征提取模型对所述私有样本图像进行特征提取，得到加密数据。

4.根据权利要求3所述的系统，其特征在于，所述加密模型还包括压缩编码模型；

所述客户端，还用于利用所述特征提取模型对所述私有样本图像进行特征提取，得到所述私有样本图像的特征；利用所述压缩编码模型对所述私有样本图像的特征进行压缩编码，得到编码后的特征；将所述编码后的特征作为加密数据发送至所述服务端；

所述服务端，还用于通过解码模型对所述编码后的特征进行解码，得到解码后的特征，基于所述解码后的特征，调整所述泛化模型。

5.根据权利要求3或4所述的系统，其特征在于，所述泛化模型包括底层模型和高层模型，所述底层模型为靠近输入层的部分模型，所述高层模型为靠近输出层的部分模型；所述特征提取模型为所述底层模型。

6.一种神经网络模型的调整方法，其特征在于，应用于第一客户端，所述方法包括：

接收服务端发送的泛化模型，所述泛化模型为所述服务端基于多个客户端发送的加密数据调整得到的，各客户端分别对应不同的场景；

获取在所述第一客户端对应的场景中采集的样本图像，作为私有样本图像；

利用所述私有样本图像对所述泛化模型进行调整，得到数据处理模型；

将所述私有样本图像发送给所述服务端。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

接收所述服务端发送的加密模型；

所述将所述私有样本图像发送给所述服务端，包括：

利用所述加密模型对所述私有样本图像进行加密，得到加密数据；将所述加密数据发送至所述服务端。

8.根据权利要求7所述的方法，其特征在于，所述加密模型包括特征提取模型；所述利用所述加密模型对所述私有样本图像进行加密，得到加密数据，包括：

通过利用所述特征提取模型对所述私有样本图像进行特征提取，得到加密数据。

9.根据权利要求8所述的方法，其特征在于，所述加密模型还包括压缩编码模型；所述通过利用所述特征提取模型对所述私有样本图像进行特征提取，得到加密数据，包括：

利用所述特征提取模型对所述私有样本图像进行特征提取，得到所述私有样本图像的特征；

利用所述压缩编码模型对所述私有样本图像的特征进行压缩编码，得到编码后的特征，作为加密数据。

10.根据权利要求6所述的方法，其特征在于，所述方法还包括：

接收到所述泛化模型后，判断所述泛化模型是否满足预设性能条件；

如果满足，将所述泛化模型确定为数据处理模型；

如果不满足，执行所述获取在所述第一客户端对应的场景中采集的样本图像，作为私有样本图像的步骤。