面向分布式复杂数据样本的联邦语义分割方法综述

打开文本图片集

摘 要：语义分割在医学图像分析、战场态势感知等领域起着重要作用，但单一客户端通常无法为模型提供足够数量与多样性的训练数据，因此从复杂多变的分布式数据中训练语义分割模型是有必要的。为了不泄露数据隐私和保护数据安全，应用联邦学习在多客户端协同训练语义分割模型成为领域研究热点。在联邦语义分割定义基础上，围绕分布式复杂数据样本的数据异质性、标签缺失两个关键特征，开展联邦语义分割的问题描述、技术路径、典型模型实例等综述分析，评估不同方法的适用性及特点，梳理当前应用成果，提出针对该问题的潜在研究机会。（剩余29008字）