材料数据挖掘中显微图像分析的数据隐私保护
图像与视频处理
2021-11-16 v1 材料科学
密码学与安全
计算机视觉与模式识别
机器学习
摘要
近期材料数据挖掘的进展由在大型数据集上训练的高容量模型推动。然而,由于所需的人力和专业知识量,实验数据的收集极其昂贵。因此,材料研究者通常不愿轻易公开其私有数据,这导致数据孤岛问题,难以收集大量数据来训练高质量模型。在本研究中,提出了一种基于数据隐私保护的物料微结构图像特征提取算法FedTransfer。核心贡献如下:1)将联邦学习算法引入多晶微结构图像分割任务,充分利用不同用户数据开展机器学习,在保障用户数据隐私安全的前提下打破数据孤岛并提升模型泛化能力;2)提出了一种基于风格迁移的数据共享策略。通过共享对用户保密不紧迫的图像风格信息,可降低不同用户间数据分布差异导致的性能损失。
引用
@article{arxiv.2111.07892,
title = {Data privacy protection in microscopic image analysis for material data mining},
author = {Boyuan Ma and Xiang Yin and Xiaojuan Ban and Haiyou Huang and Neng Zhang and Hao Wang and Weihua Xue},
journal= {arXiv preprint arXiv:2111.07892},
year = {2021}
}
备注
14 pages