针对多样化卫星图像源的船舶检测的自适应联邦学习
计算机视觉与模式识别
2025-12-16 v1
摘要
我们研究了应用联邦学习（FL）进行跨不同卫星数据集的船舶检测，提供一种消除数据共享或集中收集需求的隐私保护解决方案。这种方法特别适用于处理商业卫星图像或敏感船舶标注。评估并比较了四个FL模型，包括FedAvg、FedProx、FedOpt和FedMedian，其中YOLOv8船舶检测模型在没有共享学习参数的情况下在每个数据集上独立训练。结果表明，FL模型在较小的本地数据集上训练的检测精度显著提高，接近使用所有数据集进行全局训练的性能水平。此外，本研究强调选择合适的FL配置（如通信轮数和本地训练周期）以优化检测精度同时保持计算效率的重要性。
引用
@article{arxiv.2512.12053,
title = {Adaptive federated learning for ship detection across diverse satellite imagery sources},
author = {Tran-Vu La and Minh-Tan Pham and Yu Li and Patrick Matgen and Marco Chini},
journal= {arXiv preprint arXiv:2512.12053},
year = {2025}
}
备注
5 pages, IGARSS 2025