[发明专利]一种图像识别方法、装置、设备及计算机可读存储介质

权利要求书

1.一种图像识别方法，其特征在于，包括：

将全局模型框架及全局权重发送至各设备，判断全局模型是否收敛或迭代次数是否达到最大迭代次数，若否，由各所述设备利用本地图像集对全局模型进行训练，得到本地模型权重；所述全局模型为带有所述全局权重的全局模型框架；

利用所述全局权重及各所述设备的本地模型权重，计算平均模型伪梯度，并利用所述平均模型伪梯度计算一阶矩估计；

根据所述一阶矩估计得到当前全局权重，根据所述当前全局权重得到当前全局模型，将所述当前全局权重发送至各所述设备，并执行判断全局模型是否收敛或迭代次数是否达到最大迭代次数的步骤，直至所述当前全局模型收敛或迭代轮次达到最大迭代次数为止；

获取待识别图像，利用所述当前全局模型对待识别图像进行识别；

其中，在利用所述全局权重及各所述设备的本地模型权重，计算平均模型伪梯度时，还包括：

利用所述全局权重及各所述设备的本地模型权重，计算平均绝对模型伪梯度，利用所述平均绝对模型伪梯度计算二阶矩估计；

相应地，根据所述一阶矩估计得到当前全局权重，包括：

根据所述一阶矩估计和所述二阶矩估计得到所述当前全局权重；

其中，利用所述全局权重及各所述设备的本地模型权重，计算平均绝对模型伪梯度，利用所述平均绝对模型伪梯度计算二阶矩估计，包括：

利用计算所述平均绝对模型伪梯度Δ'_t；其中，t为当前迭代轮次，S_t为当前迭代轮次中参与训练的设备的集合，|S_t|为S_t中包含的设备的个数，为模型伪梯度，为的绝对值，为第i个设备在当前迭代轮次得到的本地模型权重，w^t-1为上一迭代轮次的全局权重；

利用计算二阶矩估计v_t；其中，v_t-1为上一迭代轮次得到的二阶矩估计，β₂为二阶矩估计的系数；

其中，根据所述一阶矩估计和所述二阶矩估计得到当前全局权重，包括：利用计算当前全局权重w^t；其中，η₀为全局学习率，γ为全局学习率递减系数，m_t为当前迭代轮次得到的一阶矩估计，ζ为调节系数且大于0。

2.根据权利要求1所述的图像识别方法，其特征在于，在确定所述全局模型不收敛或所述迭代次数未达到最大迭代次数时，还包括：

从各所述设备中选择目标设备，其中，所述目标设备的数量小于所述设备的总数量。

3.根据权利要求2所述的图像识别方法，其特征在于，从各所述设备中选择目标设备，包括：

从各所述设备中随机选择所述目标设备。

4.根据权利要求1至3任一项所述的图像识别方法，其特征在于，在将全局模型框架及全局权重发送至各设备之前，还包括：

对所述全局模型框架及所述全局权重进行加密。