典型文献
遥感影像人工智能数据集联邦共享技术研究
文献摘要：
遥感影像目标识别算法升级需要大规模、高品质人工智能数据集支持.目前,各遥感影像数据集大多以孤岛形式保存在不同机构或同一机构的不同部门,由于数据安全保密相关规定,各数据节点间无法汇聚数据,造成严重的数据孤岛问题.数据孤岛问题导致可用于模型训练的遥感数据严重缺乏,影响遥感影像智能识别算法性能提升.为解决数据孤岛问题,文章从数据孤岛构建、联邦数据管控、联邦项目管控及联邦安全四个方面研究联邦数据治理技术,在数据不出孤岛的前提下,实现模型侧到多个数据侧的学习模式,达到数据可用不可出的效果.实验结果表明:虽然联邦数据治理技术因为数据加密传输,会增加模型训练时间,但是随着数据孤岛的增多,在测试精度上可以逐渐逼近数据汇聚模式,大幅改善数据孤岛问题.
文献关键词：
数据孤岛;联邦学习;数据治理;遥感数据应用
中图分类号：
作者姓名：
郑继龙;李维;刘勋;鲍云飞;何鸿凌;齐红威
作者机构：
数据堂(北京)科技股份有限公司,北京100192;北京空间机电研究所,北京100094
文献出处：
引用格式：
[1]郑继龙;李维;刘勋;鲍云飞;何鸿凌;齐红威-.遥感影像人工智能数据集联邦共享技术研究)[J].航天返回与遥感,2022(04):12-24
A类：
B类：
目标识别算法,遥感影像数据,安全保密,数据节点,数据孤岛,模型训练,智能识别,算法性能,性能提升,联邦数据,项目管控,数据治理,治理技术,不出,学习模式,可出,数据加密,加密传输,训练时间,测试精度,逼近,数据汇聚,联邦学习,遥感数据应用
AB值：
0.316665
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
