运用联邦学习技术推动公安大数据的融合运用

随着人工智能技术的迅猛发展,公安大数据已被广泛运用于各警种的案件侦破中,并全面革新了案件的侦破方式。但在实战业务中,因各部门数据系统间存在交互的安全限制,阻碍了大数据系统间的深度融合。针对该问题,通过分析目前公安大数据的应用现状,探索现有数据与联邦学习技术相结合的应用前景。展望了通过横向联邦学习技术提升声纹识别大数据平台的模型精度,以及探索通过纵向联邦学习实现基于多方的大数据预测,从而在保护核心涉密数据安全的前提下,更好地发挥公安大数据的作用。     

夜间红外行人图像在可见光行人图像库的检索算法

本文旨在弥补夜间红外模式监控下行人图像与白天监控下行人图像间的模态差异和异构特性，较好实现多摄像头下红外人像与可见光人像数据间的检索和比对任务。设计一种局部参数共享的双路卷积神经网络模型，提取具有全局粗粒度和局部细粒度的两种人像特征，通过对两种特征分别进行特征度量，实现跨模态人像检索模型的训练和优化。结果表明，模型所提取的两种特征在测试数据集上具有较好的应用效果，准确率与目前主流算法相比具有竞争力。本研究能够服务视频侦查工作，提高现有的动态、静态人像比对的应用水平。