FedOCR：面向场景文本识别的通信高效联邦学习
计算机视觉与模式识别
2022-02-08 v2
摘要
尽管场景文本识别技术已广泛应用于商业应用，该研究社区却很少考虑数据隐私。大多数现有算法假设有一组共享或集中的训练数据。然而在实践中，数据可能分布在不同的本地设备上，由于隐私限制无法集中共享。本文研究如何利用去中心化数据集训练鲁棒的场景文本识别器，同时使其保留在本地设备上。据我们所知，我们提出了首个利用联邦学习进行场景文本识别的框架，其使用去中心化数据集协同训练。因此我们将其命名为FedOCR。为使FedOCR适宜部署于终端设备，我们做了两项改进，包括使用轻量模型与哈希技术。我们认为二者对联邦学习的通信效率至关重要。在去中心化数据集上的仿真表明，所提FedOCR以更少的通信成本与更高级的隐私保护，取得了与集中式数据训练模型相竞争的结果。
引用
@article{arxiv.2007.11462,
title = {FedOCR: Communication-Efficient Federated Learning for Scene Text Recognition},
author = {Wenqing Zhang and Yang Qiu and Song Bai and Rui Zhang and Xiaolin Wei and Xiang Bai},
journal= {arXiv preprint arXiv:2007.11462},
year = {2022}
}