相似度感知蒸馏的统一弱监督个性化联邦图像分割

目的 联邦学习允许多个机构在不侵犯数据隐私、安全的前提下协作训练强大的深度模型。现有多数联邦范式在处理多中心不同数据分布时性能通常会下降,且弱监督条件下的联邦范式鲜有研究,特别是各站点数据采用不同形式稀疏标注的情况。针对该问题,提出一种站点分布相似度感知知识蒸馏的统一弱监督个性化联邦学习框架（unified weakly supervised personalized federated image segmentation via similarity-aware distillation,pFedWSD）,以应对多中心数据分布和标注上的差异。方法 所提出的pFedWSD通过循环知识蒸馏为每个站点训练个性化模型,包含动态循环公共知识积累及个性化两个阶段。第1阶段以不确定度感知方式动态地排序每轮训练中各站点模型性能,并以循环知识蒸馏的形式积累公共知识;第2阶段通过批标准化层的统计信息来度量各站点间相似性并聚合得到各站点教师模型并进行知识蒸馏。在弱监督方面,引入门控条件随机场损失和树能量损失相结合的训练目标,以产生更为精确的伪标注监督信号。结果 在眼底视杯视盘分割和视网膜中心凹无血管区分...     

一种基于PCA+LDA算法的身份认证系统的设计与开发

人脸作为重要的生物特征之一,蕴含了大量的信息,例如年龄、性别、身份和人种等。此文在基于PCA（主成份分析）算法的基础上,将高维图像降低到低维空间,利用LDA（线性投影分析）算法将样本空间中的男女样本图像投影到过原点的直线上,确保样本在该条线上的投影类内间距最小,类内间距最大,从而得出男女识别的分界线。先进行性别识别,识别完成后,再根据结果与已经分类好性别的人脸库进行匹配,从而提高了大约50%的人脸身份识别效率。