摘要
深度学习的快速发展促进了人工智能在各个领域的应用,包括智能安防。但是施工现场的图像往往涉及到公司的隐私,不方便进行长距离的传输。为了实现电网施工现场的智能管控,论文将联邦学习与深度学习图像分类算法结合,提出了一种基于联邦学习的电力施工场景分类方法,该方法保护数据隐私和数据安全的前提下,利用各节点的数据联合训练得到具有高准确率的电力场景分类模型。同时,论文依据客户节点的数据量提出了动态权重算法。实验证明,该方法可以加速联邦学习中心模型的拟合速度,并提高准确率。
- 单位
深度学习的快速发展促进了人工智能在各个领域的应用,包括智能安防。但是施工现场的图像往往涉及到公司的隐私,不方便进行长距离的传输。为了实现电网施工现场的智能管控,论文将联邦学习与深度学习图像分类算法结合,提出了一种基于联邦学习的电力施工场景分类方法,该方法保护数据隐私和数据安全的前提下,利用各节点的数据联合训练得到具有高准确率的电力场景分类模型。同时,论文依据客户节点的数据量提出了动态权重算法。实验证明,该方法可以加速联邦学习中心模型的拟合速度,并提高准确率。