典型文献
基于联邦学习的人脸检测研究
文献摘要：
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.
文献关键词：
联邦学习;隐私;YOLOv5;数据保护;人脸检测
中图分类号：
作者姓名：
兰博钧;陶青川
作者机构：
四川大学电子信息学院,成都 610065
文献出处：
引用格式：
[1]兰博钧;陶青川-.基于联邦学习的人脸检测研究)[J].现代计算机,2022(08):48-52,58
A类：
B类：
联邦学习,人脸检测,值日,保护利用,数据孤岛,人脸隐私,隐私数据,数据泄露,YOLOv5,检测算法,服务器,客户端,独立同分布,数据传输,同态加密,数据保护,检测器,注意力模块,非极大值抑制,数据隐私,检测准确度
AB值：
0.353725
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。
