联邦隐私保护
针对医疗护理场景中的隐私保护需求，提出一种图像与点云融合的联邦学习人体姿态识别模型，在保障数据隐私的同时提升姿态识别精度。
Wang, Jiaxin · Huanyu, Deng · Yulong, Wang · Xie, Jiexin · 张辉 · 李杨 · Guo S.
Information Fusion 2024
联邦学习让模型在本地更新，原始数据不出本地，从而保护医疗环境中患者的隐私。
通过融合图像和点云数据，增强了全局模型中的信息流，在Non-IID数据集上表现显著优于非联邦学习方法。
优化了局部动态图边缘卷积网络，提高了个体身体肢体的识别精度，增强了整体鲁棒性。
开源代码和视频可供进一步探索，便于集成到实际护理机器人中。