FedReID: 联邦学习在行人重识别上的首次深入实践

行人重识别的训练需要收集大量的人体数据到一个中心服务器上，这些数据包含了个人敏感信息，因此会造成隐私泄露问题。联邦学习是一种保护隐私的分布式训练方法，可以应用到行人重识别上，以解决这个问题。但是在现实场景中，将联邦学习应用到行人重识别上因为数据异构性，会导致精度下降和收敛的问题。 数据异构性：数据非独立分布 (non-IID) 和 各端数据量不同。 这是篇来自 ACMMM20 Oral 的论文，主

>>阅读原文<<