一种基于个性化联邦学习的车联网目标识别方法

本发明公开了一种基于个性化联邦学习的车联网目标识别方法，假设车联网场景下有一个边缘服务器和N个移动车辆，每个车辆拥有的数据集呈非独立同分布分布。每个车辆利用本地数据训练本地目标检测模型并将模型参数上传到边缘服务器，边缘服务器收集模型参数，基于公共数据集推理数据相似度和层次聚类分簇，更新各车辆下一轮全局迭代的个性化层和非个性化层参数，由此进行下一轮全局迭代训练，直至收敛。本发明通过优化移动车辆之间的协作关系，为不同数据分布的移动车辆定制个性化模型，解决数据异构情况下导致的训练模型发散问题，从而加快收敛速度提升模型精度。