FedX：基于跨知识蒸馏的无监督联邦学习
计算机视觉与模式识别
2022-07-20 v1 机器学习
摘要
本文提出 FedX，一种无监督联邦学习框架。我们的模型从分散且异构的本地数据中学习无偏表示。它采用以对比学习为核心组件的双向知识蒸馏，使联邦系统能够在不要求客户端共享任何数据特征的情况下运行。此外，其自适应架构可用作联邦设置中现有无监督算法的附加模块。实验表明，我们的模型在五种无监督算法上显著提升了性能（1.58–5.52 个百分点）。
引用
@article{arxiv.2207.09158,
title = {FedX: Unsupervised Federated Learning with Cross Knowledge Distillation},
author = {Sungwon Han and Sungwon Park and Fangzhao Wu and Sundong Kim and Chuhan Wu and Xing Xie and Meeyoung Cha},
journal= {arXiv preprint arXiv:2207.09158},
year = {2022}
}
备注
Accepted and will be published at ECCV2022