[发明专利]网络训练、行人重识别方法及装置、电子设备和存储介质

权利要求书

1.一种网络训练方法，其特征在于，所述方法应用于服务端，所述服务端中部署有第一神经网络，所述方法包括：

接收至少两个客户端发送的至少两个第一网络参数，其中，每个客户端中分别部署有第二神经网络和本地图像数据集，所述第一网络参数是基于所述本地图像数据集对所述第二神经网络进行训练获得；

根据所述至少两个第一网络参数，更新所述第一神经网络，得到第二网络参数；

根据所述第二网络参数和每个所述第一网络参数，确定每个所述客户端对应的第三网络参数；

向每个所述客户端发送对应的所述第三网络参数，其中，每个所述第三网络参数用于训练对应所述客户端中的所述第二神经网络，以更新所述第一网络参数；

迭代地执行上述步骤，直至迭代训练满足预设训练条件，迭代训练后的所述第一神经网络和/或所述第二神经网络用于对待处理图像进行图像处理。

2.根据权利要求1所述的方法，其特征在于，所述根据所述至少两个第一网络参数，更新所述第一神经网络，得到第二网络参数，包括：

接收每个所述客户端发送的所述本地图像数据集对应的数据量；

根据每个所述客户端对应的所述数据量，确定每个所述第一网络参数对应的第一权重；

根据每个所述第一网络参数对应的所述第一权重，对所述至少两个第一网络参数进行加权融合，以更新所述第一神经网络，得到所述第二网络参数。

3.根据权利要求1或2所述的方法，其特征在于，所述根据所述第二网络参数和每个所述第一网络参数，确定每个所述客户端对应的第三网络参数，包括：

针对第k个客户端，根据所述第二网络参数和所述第k个客户端发送的所述第一网络参数之间的相似度，确定所述第k个客户端发送的所述第一网络参数对应的第二权重；

根据所述第二网络参数、所述第k个客户端发送的所述第一网络参数、以及所述第k个客户端发送的所述第一网络参数对应的所述第二权重，确定所述第k个客户端对应的所述第三网络参数。

4.根据权利要求3所述的方法，其特征在于，所述第一神经网络和所述第二神经网络具有相同的网络结构，所述网络结构包括多个网络层，所述第k个客户端发送的所述第一网络参数包括每个所述网络层对应的第一网络层参数，所述第二网络参数包括每个所述网络层对应的第二网络层参数；

所述针对第k个客户端，根据所述第二网络参数和所述第k个客户端发送的所述第一网络参数之间的相似度，确定所述第k个客户端发送的所述第一网络参数对应的第二权重，包括：

根据每个所述网络层对应的所述第一网络层参数和所述第二网络层参数，确定每个所述网络层对应的参数相似度；

根据每个所述网络层对应的所述参数相似度，确定所述第k个客户端发送的所述第一网络参数对应的所述第二权重。

5.根据权利要求4所述的方法，其特征在于，所述根据每个所述网络层对应的所述第一网络层参数和所述第二网络层参数，确定每个所述网络层对应的参数相似度，包括：

确定每个所述网络层对应的所述第一网络层参数和所述第二网络层参数之间的欧式距离；

将每个所述网络层对应的所述第一网络层参数和所述第二网络层参数之间的欧式距离，确定为每个所述网络层对应的所述参数相似度。

6.根据权利要求4或5所述的方法，其特征在于，所述根据每个所述网络层对应的所述参数相似度，确定所述第k个客户端发送的所述第一网络参数对应的所述第二权重，包括：

对每个所述网络层对应的所述参数相似度进行归一化处理，得到每个所述网络层对应的归一化参数相似度；

对每个所述网络层对应的所述归一化参数相似度进行取平均处理，得到所述第k个客户端发送的所述第一网络参数对应的所述第二权重。