技術特征：

1.一種基于聯(lian)邦學習和注(zhu)意力(li)生(sheng)成對抗網絡的圖像高光去除(chu)方法，其特征在于，包括以下步驟：

2.根(gen)據權(quan)利(li)要求(qiu)1所述的基于聯邦學習和注意力生(sheng)成對抗網(wang)絡的圖像高(gao)光去除方法，其(qi)特(te)征在于，在步驟(zou)一中，中央服務(wu)端(duan)定義全局(ju)注意力生(sheng)成對抗網(wang)絡模(mo)型并初始化模(mo)型參數的操作包括：

3.根據權利要求(qiu)2所(suo)述(shu)(shu)的(de)基于聯邦學習和注意力生(sheng)成對抗網絡的(de)圖像高光去除方法(fa)，其特(te)征在于，所(suo)述(shu)(shu)激活函(han)(han)數采用(yong)leakyrelu函(han)(han)數。

4.根據權利要求1所(suo)述的基于(yu)聯(lian)邦學習和注意力生(sheng)成對(dui)抗網絡的圖像(xiang)高光去除方(fang)法，其特征在于(yu)，在步驟二中，客(ke)戶端調度進程的操作包括：

5.根據權利要求1所述的(de)基于聯邦學習和注意力生成對抗網絡的(de)圖像高(gao)光去除方法，其(qi)特征在于，在步(bu)驟三中，客(ke)戶端去除圖像高(gao)光的(de)操作包括：

6.根據(ju)權(quan)利要求(qiu)1所述的(de)基于聯邦(bang)學習(xi)和注意(yi)力生(sheng)成對抗網(wang)絡(luo)的(de)圖(tu)像高(gao)(gao)光(guang)去除方法，其(qi)特(te)征在于，在步驟(zou)四(si)中，客戶端通(tong)過(guo)隨機梯度(du)下降(jiang)更新參數的(de)操(cao)作(zuo)包(bao)括：為(wei)了優化高(gao)(gao)光(guang)檢(jian)測網(wang)絡(luo)、高(gao)(gao)光(guang)去除網(wang)絡(luo)和鑒別器的(de)性能，建立了以下損失函數作(zuo)為(wei)約束(shu)；

7.根(gen)據權(quan)利要(yao)求1所述(shu)的(de)基于(yu)聯邦學習和注意力(li)生成(cheng)對抗網絡(luo)的(de)圖像高光去(qu)除方法，其特征在(zai)于(yu)，在(zai)步驟五中，中央服務端進(jin)行全局參數(shu)更新的(de)操作包括(kuo)：

技術總結
本發明提出一種基于聯邦學習和注意力生成對抗網絡的圖像高光去除方法，其特征在于，包括以下步驟：中央服務端定義全局注意力生成對抗網絡模型，所述對抗網絡模型包括高光檢測網絡H、高光去除網絡R和鑒別器G，并向客戶端廣播初始全局網絡參數w<subgt;0,h</subgt;,w<subgt;0,r</subgt;和w<subgt;0,g</subgt;；中央服務端開啟客戶端調度進程，并發送全局模型參數和通信輪次t到客戶端；客戶端構建注意力生成對抗網絡環境，并利用對抗網絡模型去除圖像中的高光；通過隨機梯度下降更新模型參數，并將更新后的參數傳遞到中央服務端；中央服務端開啟參數聚合進程，進行全局參數更新。本方法能夠專注于突出顯示的區域及其周圍的詳細特征，從而增強模型的表示能力，有效地去除高光，保留圖像細節。

技術研發人員：鄭元豐,王志剛,曹瑩,林梓陽
受保護的技術使用者：中山火炬職業技術學院
技術研發日：
技術公布日：2024/9/19