当前位置：首页 > iliudar 第21页

iliudar 管理员

暂无介绍

62 篇文章 23 次评论

首页上页 17 18 19 20 21 尾页

« 2025年10月 »
一	二	三	四	五	六	日
		1	2	3	4	5
6	7	8	9	10	11	12
13	14	15	16	17	18	19
20	21	22	23	24	25	26
27	28	29	30	31

最新留言

联邦学习的 3 种常见类型1.横向联邦学习：参与方数据 “特征相同，用户不同”。比如刚才的 3 家医院，都有 “CT 影像 + 诊断结果”（特征相同），但患者是不同的人（用户不同）—— 适合跨机构共享同类型数据的场景。2.纵向联邦学习：参与方数据 “用户相同，特征不同”。比如银行和电商合作训练 “用户信用模型”：银行有用户的 “流水数据”，电商有用户的 “消费数据”（特征不同），但用户是同一批人 —— 适合跨领域互补数据的场景。3.联邦迁移学习：参与方数据 “特征和用户都不同”，但有少量重叠。比如一家儿科医院和一家骨科医院，数据差异大，但可以用联邦学习把 “儿科影像识别” 的经验迁移到 “骨科影像识别” 上，解决小数据场景的模型训练问题。
本质是 “数据不动模型动”，用 “模型参数的共享” 替代 “原始数据的共享”，从源头保护数据隐私。
解决AI “需要大量数据” 和 “数据隐私不能泄露” 之间的核心矛盾比如医院之间不敢共享病历、银行之间不敢共享用户流水，但又都想让 AI 模型更精准
数据 “不离开本地” 的前提下，让多个机构 / 设备一起训练出一个共享的 AI 模型
责任分工：矿端负责 “数据出口标准化”（开放接口、确保数据准确性），上级部门负责 “数据接入与应用”（搭建平台、按接口规则抓取 / 接收数据），避免矿端重复开发平台。核心原则：无论 “拉取” 还是 “推送”，都需满足 3 点：① 接口标准化（确保不同矿端数据格式统一，上级无需重复适配）；② 数据实时性达标（按上级要求的更新频率设计接口）；③ 安全可控（IP 白名单、认证、隔离转发，防止数据泄露或网络攻击）。
若矿端网络（如井下工业网）与上级部门网络存在物理隔离（如用网闸），需在隔离边界增加安全转发层，避免直接穿透隔离：架构设计：矿端综管平台先将数据同步到 “矿端安全数据服务器”（部署在隔离区外侧），安全服务器通过网闸的 “数据摆渡” 机制（参考此前网闸通信逻辑），将数据同步到上级部门的 “前置服务器”，最终由上级平台从前置服务器读取数据。关键要求：网闸需配置严格的数据过滤规则（仅允许通风、瓦斯、人员定位 3 类数据通过，屏蔽其他无关数据），且同步频率与数据实时性匹配（如瓦斯数据 10 秒 / 次摆渡，产量数据 1 分钟 / 次）。
YOLO 专为目标检测优化，推理速度极快（如 YOLOv5s 在普通 GPU 上可轻松达到 300+FPS），对硬件要求低，适合实时场景（如监控摄像头、自动驾驶）。在 “常规光照、清晰目标、无复杂遮挡” 的标准场景中，精度与大模型差距不大。
大模型也能用于目标识别，但在复杂场景泛化能力上更强，YOLO 在实时性和效率上更优
大模型和YOLO两者的技术路线无继承关系。
YOLO 系列算法自2015年诞生以来，经历了从 YOLOv1 到 YOLOv12 的持续迭代，每一次更新都推动了目标检测技术的进步。以下是其核心发展历程奠基时代（2015-2018）‌ YOLOv1 ‌：2015年首次提出，将目标检测视为回归问题，通过划分网格直接预测边界框和类别概率。其单阶段检测架构显著提升了推理速度（达45 FPS），但小目标检测能力较弱。 ‌‌ YOLOv2 ‌：2017年发布，引入锚框（Anchor Boxes）和批量归一化（BatchNorm），支持9,000类物体检测，但未解决多尺度特征融合问题。 ‌‌ YOLOv3 ‌：2018年推出，采用 Darknet-53 骨干网络和特征金字塔（FPN），实现多尺度预测，推理速度进一步提升。 ‌社区主导期（2020-2023）‌ YOLOv4 ‌：2020年发布，引入 CSPDarknet53 、 Mosaic数据增强和 PANet ，在 COCO数据集上达到43.5% AP。 ‌‌ YOLOv5 ‌：由 Ultralytics团队开发，进一步优化模型结构，支持实时目标检测。 ‌近期迭代（2024-2025）‌ YOLOv6 ‌：由美团团队开发，强化了模型在复杂场景下的鲁棒性。 ‌‌ YOLOv7 ‌：由I-Hau Yeh等人开发，优化了特征融合机制。 ‌‌ YOLOv8 ‌：由Ultralytics团队开发，但被YOLOv11覆盖。 ‌技术特点YOLO系列的核心优势在于其单阶段检测架构，通过端到端训练实现快速推理（最高可达实时检测）。后续版本通过引入CSP结构、数据增强等技术，显著提升了模型性能和泛化能力。 ‌

iliudar 管理员

© 2015-2025 HHai.Net 版权所有. 晋ICP备11002583号-3

Powered By Z-BlogPHP. Theme by HHai.Net.