FedVision：一个由联邦学习驱动的在线视觉目标检测平台
机器学习
2020-01-20 v1 计算机视觉与模式识别
机器学习
摘要
视觉目标检测是一种基于计算机视觉的人工智能（AI）技术，具有许多实际应用（例如火灾隐患监测）。然而，由于隐私问题以及视频数据传输成本高，按照当前方法在集中存储的大型训练数据集上构建目标检测模型极具挑战。联邦学习（FL）是解决这一挑战的一种有前景的方法。然而，目前缺乏易于使用的工具，以使非联邦学习专家的计算机视觉应用开发者能够便捷地利用该技术并将其应用于自身系统。在本文中，我们报告 FedVision——一个支持开发由联邦学习驱动的计算机视觉应用的机器学习工程平台。该平台由微众银行（WeBank）与极视（Extreme Vision）合作部署，以帮助客户在智慧城市应用中开发基于计算机视觉的安全监控解决方案。在超过四个月的使用中，它为三家主要企业客户实现了显著的效率提升与成本降低，同时免除了传输敏感数据的需要。据我们所知，这是 FL 在基于计算机视觉任务中的首个实际应用。
引用
@article{arxiv.2001.06202,
title = {FedVision: An Online Visual Object Detection Platform Powered by Federated Learning},
author = {Yang Liu and Anbu Huang and Yun Luo and He Huang and Youzhi Liu and Yuanyuan Chen and Lican Feng and Tianjian Chen and Han Yu and Qiang Yang},
journal= {arXiv preprint arXiv:2001.06202},
year = {2020}
}