Jun, 2022
面向医学图像分类的不均衡和聚合数据分布联邦学习
Federated Learning with Imbalanced and Agglomerated Data Distribution for Medical Image Classification
Nannan Wu, Li Yu, Xin Yang, Kwang-Ting Cheng, Zengqiang Yan
TL;DR采用新的真实数据分布，提出一种名为 FedIIC 的隐私保护框架，该框架通过类内对比学习和共享全局样本的类间对比学习进行特征提取器的校准来缓解训练造成的偏差，并使用考虑难度的逻辑调整构造 softmax 交叉熵损失以确保所有类别的平衡决策边界。在公共可用数据集上的实验表明，FedIIC 在处理两种耦合问题的同时，具有更优越的性能。