近日,“计算机视觉青年开发者技术与应用大会暨榜单活动颁奖典礼”(以下简称“大会”)在深圳召开,大会邀请了AI领域众多专业学者、企业代表,聚焦人工智能技术落地应用最广的计算机视觉领域,共同探讨其最新技术以及未来趋势。微众银行AI部门副总经理陈天健作为嘉宾出席了本次大会,发表了主题为《联邦视觉系统原理与展望》的特邀演讲。

近年来, AI计算机视觉领域应用发展迅猛,在零售、地产、安防、医疗等多个行业都已广泛应用,例如安检场景结合人脸识别技术,在机场集群调度,快速寻人。但是,行业在发展中也面临着标签数量少、质量差、数据分散等问题。对此,微众银行AI团队携手极视角推出了业内首个“联邦视觉系统”,旨在解决当下计算机视觉领域数据孤岛与数据缺失、隐私安全、政策条例三座“数据大山”。

在演讲中,陈天健以监控摄像头中的火焰识别为例,详细介绍了“联邦视觉系统”的应用场景。火焰识别是对摄像头中是否有燃烧现象进行检测,从而对火灾发生的可能性进行分析,实现火灾预警。这一场景中的AI模型需要采集大量影像进行训练,而受网络带宽、图像质量不稳定等因素的影响,单个企业或机构的识别模型准确度难以提升,但摄像头影像可能包含企业隐私,不能简单使用多家机构数据共享的方式,因而采用“联邦学习”技术成为必须。在联邦视觉系统中,依托本地建模,在保证各方数据不出本地的情况下,即可提升AI算法准确率。陈天健在演讲中强调,“在‘联邦视觉系统’项目,通过联邦学习技术,整体模型的性能提升了15%,且模型效果无损失,极大地提升了建模效率。”

【联邦视觉系统】中的联邦学习,本质上是一种加密的分布式机器学习技术,可以让参与各方在不披露底层数据和底层数据的加密形态的前提下共建模型。它可以让企业在自有数据不出本地的前提下共同建立模型。在这样的机制下,成功打通“数据孤岛”,且参与各方的身份和地位相同,实现“共同发展”的目标。而微众银行AI团队作为联邦学习在国内的发起者与领头人,正不断进行联邦学习技术研究与行业落地探索,推动多行业多领域联邦生态建设。据悉,除计算机视觉领域外,联邦学习技术已成功应用至智能信贷、智能风控、智能权益定价、智慧零售、智能用工、异常检测等业务场景,助力智慧城市、智慧金融等多行业。

演讲最后,陈天健表示,“联邦视觉系统”能有效帮助企业拓宽数据应用范围,共享数据模型成果,并直接在终端实现算法模型的自动优化,进一步降低各企业对AI技术的使用成本与数据门槛。未来,联邦学习技术也将助力更多行业实现安全“智慧化”,建立一个数据隐私保护下共赢的联邦生态。