.png){kind=icon}
返回
Federated learning-based semantic segmentation framework for sustainable development
.png){kind=icon}
OA
AI
DOI：10.1016/j.eij.2025.100702.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
超过三分之一（确切地说为38%）的陆地被森林覆盖，森林具有多种功能，包括养分循环、水资源管理、气候调节、水净化、初级生产、燃料木材等。它们在固碳以及为广泛植物和动物提供栖息地方面发挥着关键作用。农业依赖于森林提供的服务。土地利用变化可以通过卫星影像轻松检测，这提供了大量有用信息。可持续发展与人类福祉依赖于有效的森林利用和管理，这也是本研究的主题。联邦学习通过在客户端设备上本地处理数据而非在服务器上集中存储来保护用户隐私。与传统的训练范式不同，我们将模型发送给所有客户端的方式，提出了一种名为FedStv的新范式，在该范式中，每一轮中在活跃客户端上训练的模型用于训练下一轮由服务器选定的活跃客户端。所有客户端再次使用派生出的服务器平均值进行后续训练。最后，已计算出投影分割的不确定性地图估计标准差。实验结果表明，在森林航空图像分割数据集上应用时，所提出的模型能够产生更高的Dice评分和交并比（IoU）值。
Keyword:
Federated learning
Semantic segmentation
Privacy
Sustainable development
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.3
论文数:
770
被引数:
1.4K
机构
引用论文
Generalization of U-Net Semantic Segmentation for Forest Change Detection in South Korea Using Airborne Imagery.png)
Forests
OAAI
ForestsIF0
OAAI分享收藏How deep learning is empowering semantic segmentation Traditional and deep learning techniques for semantic segmentation: A comparison深度学习如何增强语义分割传统和深度学习技术的语义分割: 比较OAAI
OAAI分享收藏Distribution-Sensitive Information Retention for Accurate Binary Neural Network精确二进制神经网络的分布敏感信息保留
PREAI
分享收藏
查看更多内容