基于联邦学习的人脸检测研究

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：随着互联网的发展,数据的价值日益增长,数据的保护利用对企业以及用户个人都有着重要意义.针对数据孤岛、人脸隐私数据泄露等问题,提出以联邦学习为理论基础、结合YOLOv5神经网络的人脸检测算法.在服务器-客户端架构下对独立同分布的人脸数据进行训练,数据传输中采用同态加密的手段进行数据保护,同时在YOLOv5检测器中引入卷积块的注意力模块与快速非极大值抑制.实验结果表明,联邦学习在保护人脸数据隐私的情况下解决了数据孤岛问题,而优化过的YOLOv5检测器对人脸的检测准确度与效率都略有提升.

外文标题：Research on Face Detection Based on Federated Learning

作者：

兰博钧、陶青川

展开 >

作者单位：

四川大学电子信息学院,成都 610065

关键词：

联邦学习隐私 YOLOv5 数据保护人脸检测

出版年：

2022

DOI：

10.3969/j.issn.1007-1423.2022.08.008