研究人员开发了FedTR，一个新颖的联邦学习框架，它集成了迁移学习以增强工业视觉检测。该方法通过首先在公共数据集上训练模型，然后在私有、分布式数据上使用联邦学习进行微调，来解决数据有限和检测任务复杂性的挑战。FedTR通过端到端文本识别来识别标签缺陷特别有效，实现了高单词级别准确率，并且性能与集中式训练方法相当。 AI
影响 这项研究通过在数据有限的情况下实现更好的缺陷检测，有可能提高人工智能驱动的制造业质量控制的效率和隐私性。
排序理由 该集群包含一篇详细介绍新框架和实验结果的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2607.08014v1 Announce Type: cross Abstract: Federated learning (FL) is a collaborative learning scheme to train deep learning models, where collaborating parties can consolidate their models without sharing local data with other parties, hence preserving data privacy. Never…
Federated learning (FL) is a collaborative learning scheme to train deep learning models, where collaborating parties can consolidate their models without sharing local data with other parties, hence preserving data privacy. Nevertheless, when implementing FL in Industrial visual…