[发明专利]模型更新方法、装置、服务器及终端设备

权利要求书

1.一种模型更新方法，应用于服务器，其特征在于，所述方法包括：

分别接收M个终端设备发送的多个类别对应的中心点数据，其中，目标类别对应的中心点数据为所述终端设备依据第N轮更新的全局网络模型基于目标样本数据确定，所述目标样本数据与目标类别对应，所述目标类别为所述多个类别中的任意一个类别，其中，N、M均为正整数；

采用所述M个终端设备发送的多个类别对应的中心点数据，对所述第N轮更新的全局网络模型进行训练，得到第N+1轮更新的全局网络模型；

分别向所述M个终端设备发送所述第N+1轮更新的全局网络模型。

2.根据权利要求1所述的方法，其特征在于，所述采用所述M个终端设备发送的多个类别对应的中心点数据，对所述第N轮更新的全局网络模型进行训练，得到第N+1轮更新的全局网络模型，包括：

将所述M个终端设备发送的目标类别对应的中心点数据进行聚合处理，得到第一聚合数据，所述第一聚合数据为所述目标类别对应的聚合数据；

依据第一样本数据与所述第一聚合数据进行损失计算，得到损失值；

基于所述损失值调整所述第N轮更新的全局网络模型的模型参数，得到第N+1轮更新的全局网络模型。

3.根据权利要求2所述的方法，其特征在于，所述依据第一样本数据与所述第一聚合数据进行损失计算，得到损失值，包括：

采用所述第N轮更新的全局网络模型对第一样本数据进行特征提取处理，得到所述第一样本数据对应的特征数据；

依据所述第一样本数据对应的特征数据与所述第一聚合数据进行损失计算，得到损失值。

4.根据权利要求3所述的方法，其特征在于，所述依据所述第一样本数据对应的特征数据与所述第一聚合数据进行损失计算，得到损失值，包括：

依据所述第一样本数据对应的特征数据与第二聚合数据计算第一子损失值，所述第二聚合数据为所述多个类别中除所述目标类别以外的类别对应的聚合数据；

依据所述第一样本数据对应的特征数据与所述第一聚合数据计算第二子损失值；

其中，所述损失值为所述第一子损失值和所述第二子损失值的和值，所述第一子损失值基于所述第一样本数据对应的特征数据与所述第二聚合数据的差值的范数确定，所述第二子损失值基于所述第一样本数据对应的特征数据与所述第一聚合数据的差值的范数确定。

5.根据权利要求4所述的方法，其特征在于，所述第一子损失值的计算方式如下：

其中，为所述第一样本数据对应的特征数据，/为所述第一样本数据对应的特征数据与所述第一聚合数据的差值的范数，/为所述第一样本数据对应的特征数据与所述第二聚合数据的差值的范数，ε为预设值。/

6.一种模型更新方法，应用于终端设备，其特征在于，所述方法包括：

依据第N轮更新的全局网络模型确定多个类别对应的中心点数据，其中，目标类别对应的中心点数据基于目标样本数据确定，所述目标样本数据与目标类别对应，所述目标类别为所述多个类别中的任意一个类别，N为正整数；

将所述多个类别对应的中心点数据发送至服务器；

接收所述服务器发送的第N+1轮更新的全局网络模型。

7.根据权利要求6所述的方法，其特征在于，所述依据第N轮更新的全局网络模型确定多个类别对应的中心点数据，包括：

采用所述第N轮更新的全局网络模型对所述目标样本数据进行特征提取处理，得到所述目标样本数据对应的特征数据；

基于所述目标样本数据对应的特征数据确定所述目标类别对应的中心点数据。

8.根据权利要求6所述的方法，其特征在于，所述目标样本数据为从所述终端设备上存储的所述目标类别的样本数据中随机选择的数据。