自動運転のための堅牢な車両物体検出のための異種データ処理を伴うフェデレーテッド学習

フェデレーテッド学習を用いることで、車両のセンサデータを共有することなく、車両ネットワーク内で物体検出モデルを継続的に学習することができる。しかし、クライアント間のデータ分布の違いにより、フェデレーテッド学習の性能が低下する問題がある。本研究では、この問題に対処するため、FedProx+LAと呼ばれる新しい手法を提案し、その有効性を実証する。