【技术实现步骤摘要】
本专利技术属于车联网深度学习应用领域，具体涉及一种基于联邦学习的云服务器交通图像识别方法。
技术介绍
1、智能网联汽车和自动驾驶汽车等新兴智能交通技术在引入道路网络后对车联网场景下的深度学习技术带来了多重要求，以确保分布式智能交通系统的隐私性与效率，车联网中的各个车辆节点与智能云端的交互中，需要在保证自身数据隐私安全性的情况下利用自身数据参与到与智能云端交互的全局模型更新迭代中，例如，车联网中通过交通图像对车辆周边场景进行判断并规避潜在危险的一类深度学习神经网络模型需要借助每个车辆节点的视角对周围环境进行感知并促进自身的更新迭代使得交通图像识别功能不断提高，但这会暴露车辆自身的数据，比如位置、航向角等。并且由于硬件以及网络带宽的限制，部署于车联网中的智能云端无法同时管理所有车辆节点以及和所有车辆节点同时进行交通图像数据交互。这意味着智能云端同时与所有车辆节点进行交通图像共享的方法是低效率且不科学的，使得在车联网中设计一种通过分布式机器学习方法提高云服务器交通图像识别功能的准确率成为一项具有挑战性的工作。并且目前的方法没有将车联网场景的动...
【技术保护点】
1.一种基于联邦学习的云服务器交通图像识别方法，其特征在于，是应用于由g辆车辆{v1，v2，...，vq，...，vg}与云端服务器所组成的车联网中，其中，vq为车联网中的第q辆车辆，令第q辆车辆vq采集Nq个交通图像样本并构成交通图像数据集，其中，令第r个交通图像样本记为xq，r，xq，r的真实标签记为yq，r，所述云服务器交通图像识别方法是按如下步骤进行：
2.根据权利要求1所述的一种基于联邦学习的云服务器交通图像识别方法，其特征在于，所述步骤二包括：
3.根据权利要求1所述的一种基于联邦学习的云服务器交通图像识别方法，其特征在于，所述步骤
【技术特征摘要】
1.一种基于联邦学习的云服务器交通图像识别方法，其特征在于，是应用于由g辆车辆{v1，v2，...，vq，...，vg}与云端服务器所组成的车联网中，其中，vq为车联网中的第q辆车辆，令第q辆车辆vq采集nq个交通图像样本并构成交通图像数据集，其中，令第r个交通图像样本记为xq，r，xq，r的真实标签记为yq，r，所述云服务器交通图像识别方法是按如下步骤进行：
2.根据权利要求1所述的一种基于联邦学习的云服务器交通图像识别方法，其特征在于，所述步骤二包括：
3.根据权利要求1所述的一种基于联邦学习的云服务器交通图像识别方法，其特征在于，所述步骤四包括：
4.根据权利要求1所述的一种基于联邦学习的云服务器交通图像识别方法，其特征在于，所述步骤五包括：
5.根据权...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。