基于联邦学习的人脸检测研究

• 全文链接
• 请求原文

作   者：

兰博钧;  陶青川; 

作者机构：

四川大学电子信息学院; 

关键词：

人脸检测;  隐私;  YOLOv5;  联邦学习;  数据保护; 

期刊名称：

现代计算机

i s s n：

1007-1423

年卷期：

2022 年 008 期

页   码：

48-52,58

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。