StatMix：联邦学习中基于图像统计的数据增强方法
机器学习
2022-07-12 v1 计算机视觉与模式识别
摘要
大量标注数据的可用性是深度学习取得成功支柱之一。尽管众多大型数据集已开放供研究使用，但在现实应用中往往并非如此（例如公司因 GDPR 或知识产权保护相关顾虑无法共享数据）。联邦学习（FL）是此问题的潜在解决方案，因为它能够在分散于多个节点的数据上训练全局模型，而无需共享本地数据本身。然而，若处理不当，即便 FL 方法也对数据隐私构成威胁。因此，我们提出 StatMix，一种利用图像统计的增强方法，以改善 FL 场景的结果。StatMix 在 CIFAR-10 与 CIFAR-100 上使用两种神经网络架构进行了实证测试。在所有 FL 实验中，与基线训练（未使用 StatMix）相比，应用 StatMix 提升了平均准确率。在非 FL 设置中亦可观察到一定提升。
引用
@article{arxiv.2207.04103,
title = {StatMix: Data augmentation method that relies on image statistics in federated learning},
author = {Dominik Lewy and Jacek Mańdziuk and Maria Ganzha and Marcin Paprzycki},
journal= {arXiv preprint arXiv:2207.04103},
year = {2022}
}