提出了OnDev-LCT，一种适用于具有有限训练数据和资源的设备的轻量级卷积变换器。通过高效深度可分离卷积和多头自注意机制，提取局部特征和全局表示。实验证明，在参数和计算需求更低的情况下，优于现有的轻量级视觉模型。适用于具有数据异质性和通信瓶颈的FL场景。