【技术实现步骤摘要】
本专利技术涉及人工智能与计算机视觉识别，特别涉及一种基于联邦学习的目标识别方法、装置、设备及介质。
技术介绍
1、在目标识别中，雷达可以通过分析目标散射的电磁波信号的多普勒频移等信息识别出目标的类型；比如在目标速度高时，回波的多普勒频移大；但是在现实情况中，雷达自身存在着一定的遮蔽角，因而对于在雷达遮蔽角内的目标识别存在一定的缺陷；因此，如今解决此类问题的方法是通过架设的光学和热学传感器监视低空环境及时发现目标，通过对图像的融合处理和目标识别，识别出其中包含的目标物体。
2、目前，对于图像中目标物体的识别最主流的方法是深度学习算法，其主要特点是使用卷积神经网络(convolutionalneuralnetwork，cnn)进行特征提取和分类；卷积神经网络是深度学习中最常用的一种网络结构，它可以自动提取图像中的特征，并将其转化为计算机可以理解的数据；卷积神经网络包括卷积层、池化层、全连接层等，其中卷积层是最核心的部分；通过卷积层可以提取图像中的局部特征，并且能够保留空间信息，其优点在于具有良好的特征提取和分类性能，可以应用于图...
【技术保护点】
1.一种基于联邦学习的目标识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于联邦学习的目标识别方法，其特征在于，所述分别形成对应目标的图像数据集，包括以下步骤：
3.根据权利要求1所述的一种基于联邦学习的目标识别方法，其特征在于，所述利用YOLOv8算法对对应的图像数据集进行训练，包括：
4.根据权利要求1所述的一种基于联邦学习的目标识别方法，其特征在于，所述得到全局模型参数，包括：
5.根据权利要求4所述的一种基于联邦学习的目标识别方法，其特征在于，所述得到更新后的全局模型参数后，中央服务器再将更新...
【技术特征摘要】
1.一种基于联邦学习的目标识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于联邦学习的目标识别方法，其特征在于，所述分别形成对应目标的图像数据集，包括以下步骤：
3.根据权利要求1所述的一种基于联邦学习的目标识别方法，其特征在于，所述利用yolov8算法对对应的图像数据集进行训练，包括：
4.根据权利要求1所述的一种基于联邦学习的目标识别方法，其特征在于，所述得到全局模型参数，包括：
5.根据权利要求4所述的...
【专利技术属性】
技术研发人员：柴进晋，张秦，穆慧琳，刘欣，宋玉伟，汤荣涛，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：
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。