FedSup：一种通信高效的联邦学习疲劳驾驶行为监控框架
机器学习
2021-04-27 v1 人工智能
密码学与安全
摘要
随着边缘智能设备和车联网（IoV）技术的普及，智能疲劳检测已成为日常驾驶中最常用的方法之一。为提升检测模型性能，已开发了一系列技术。然而，现有工作仍有诸多不足，如隐私泄露和通信开销。为解决这些问题，我们提出 FedSup，一种用于隐私保护和高效疲劳检测的客户端-边缘-云框架。受联邦学习技术启发，FedSup 智能利用客户端、边缘和云服务器之间的协作，在保护边缘数据隐私的同时实现动态模型优化。此外，为减少不必要的系统通信开销，我们进一步在客户端提出贝叶斯卷积神经网络（BCNN）近似策略，在云端提出不确定性加权聚合算法，以提升中心模型训练效率。大量实验表明，FedSup 框架适用于车联网场景，并优于其他主流方法。
引用
@article{arxiv.2104.12086,
title = {FedSup: A Communication-Efficient Federated Learning Fatigue Driving Behaviors Supervision Framework},
author = {Chen Zhao and Zhipeng Gao and Qian Wang and Kaile Xiao and Zijia Mo and M. Jamal Deen},
journal= {arXiv preprint arXiv:2104.12086},
year = {2021}
}