【技术实现步骤摘要】
本专利技术涉及联邦学习技术与大模型，具体来说，涉及一种基于联邦软聚类的大模型人员属性识别方法及设备。
技术介绍
1、人员属性识别是一种利用多目标检测方法获取图像中人员的性别、衣着、携带物品等细化属性的技术。目前人员属性识别的基本方法是将图片作为网络的输入，输出多个代表属性的标签及其位置。在人员属性识别中，如何对不同粒度、不同规模的属性进行识别，通过提取场景中的上下文信息辅助属性的识别，以及如何提取不同属性间的相关性信息是研究的重要方向。然而传统的目标检测网络在面对多目标属性时无法保证较高的准确率，同时面对海量监控数据，传统的规模较小模型难以充分提取其中的重要信息，并且训练时间耗费较长。随着大模型的出现，其强大的推理能力与良好的泛化水平已经在自然语言处理与计算机视觉领域的多种任务中得到了体现，因此将大模型应用于属性识别对于该任务的性能提升具有重要意义。
2、在人员属性识别的实际场景中，数据集的采集往往会设计到隐私问题，传统的深度学习方法收集各方的人员数据集中使用，这存在隐私泄露风险，对于人民的隐私安全和管理方的稳定持续工作是巨...
【技术保护点】
1.一种基于联邦软聚类的大模型人员属性识别方法，其特征在于：
2.根据权利要求1所述的基于联邦软聚类的大模型人员属性识别方法，其特征在于所述S1中获取人员图像与外在属性文本，通过语言模型生成人员属性识别的描述；包括：
3.根据权利要求1所述的基于联邦软聚类的大模型人员属性识别方法，其特征在于所述S2中通过自适应参数分解，将客户端大模型划分为基础模块与微调模块，将微调模块用于参数更新；包括：
4.根据权利要求1所述的基于联邦软聚类的大模型人员属性识别方法，其特征在于所述S3中客户端上传微调模块参数，用于构建客户端相似度矩阵；包括：p>
5.根据权...
【技术特征摘要】
1.一种基于联邦软聚类的大模型人员属性识别方法，其特征在于：
2.根据权利要求1所述的基于联邦软聚类的大模型人员属性识别方法，其特征在于所述s1中获取人员图像与外在属性文本，通过语言模型生成人员属性识别的描述；包括：
3.根据权利要求1所述的基于联邦软聚类的大模型人员属性识别方法，其特征在于所述s2中通过自适应参数分解，将客户端大模型划分为基础模块与微调模块，将微调模块用于参数更新；包括：
4.根据权利要求1所述的基于联邦软聚类的大模型人员属性识别方法，其特...
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。