基于隐私保护机制的辐射光源衍射图像筛选 |
| |
引用本文: | 许康,祝永新,吴波,郑小盈,陈凌曜.基于隐私保护机制的辐射光源衍射图像筛选[J].激光与光电子学进展,2023(10):216-224. |
| |
作者姓名: | 许康 祝永新 吴波 郑小盈 陈凌曜 |
| |
作者单位: | 1. 中国科学院大学集成电路学院;2. 中国科学院上海高等研究院;3. 上海信息技术研究中心 |
| |
基金项目: | 国家自然科学基金(U2032125); |
| |
摘 要: | 同步辐射光源产生超高速的衍射图像数据流,需要通过数据筛选降低数据传输和存储的压力。但互相竞争的研究小组不愿意分享数据,现有基于深度学习的筛选方法难以应对隐私保护下有效训练的挑战,因此首次将联邦学习技术应用在辐射光源衍射图像筛选中,通过数据和模型分离,实现隐私保护下的训练数据增广。提出筛选方法 Federated Kullback-Leibler (FedKL),基于改进的KL散度和数据量权重,对全局模型更新进行改进,在获得高准确率的同时降低算法的复杂度,满足高速数据流高精度处理要求。针对异地光源多中心数据同步训练的困难,又提出同步和异步相结合的混合训练方式,在不降低模型识别准确率的同时,显著提升了模型的训练速度。在光源CXIDB-76公开数据集上的实验结果表明,相比FedAvg,FedKL能够提升准确率和F1分数,分别提升了25.2个百分点和0.419。
|
关 键 词: | 隐私保护 图像筛选 联邦学习 布拉格斑点 相对熵 |
|
|