最佳技术实践：CV+联邦学习怎么搞？ 深度学习算法的创新、高性能计算能力的提升以及移动互联网时代数据的增长带来了计算机视觉技术与落地应用的爆发性增长，而高速发展之后，人们对数据安全与隐私保护担忧也逐渐浮现。 联邦学习允许用户在将数据保留在本地端不共享的前提下形成一个联合体训练得到全局模型，从而有效解决数据隐私和安全保护问题。但对于大多数计算机视觉应用开发者来说，他们需要一个易于使用的工具让他们可以方便地在他们的系统中应用联邦学习。 微众银行联邦学习团队开源、百度Paddle团队插件功能合作的FedVision是一个不错的选择。 FedVision是首个轻量级、模型可复用、架构可扩展的视觉横向联邦开源框架，基于Python 实现，内置PaddleFL/PaddleDetection插件，支持多种常用的视觉检测模型, 助力视觉联邦场景快速落地。 为了快速实现最小可用版本，FedVision v0.1版本借助 PaddleFL 项目的部分能力，实现视觉领域的横向联邦建模功能。由于借助了 Paddle 的丰富生态，经简单的调制适配，FedVision v0.1 即可直接使用 PaddleDetection 项目实现的几乎全部的视觉检测模型。 GitHub地址：https://github.com/FederatedAI/FedVision。 有了工具，接下来需要的是教程。 3月11日，微众银行联合飞桨带来实战公开课，聊聊FedVision实战与技术展望。 直播时间：3月11日19:00-20:00 嘉宾与主题：基于Paddle的视觉联邦框架及技术展望 魏文斌，微众银行人工智能部联邦学习团队高级研究员 PaddleFL 横向联邦学习方案介绍敬清贺，百度高级研发工程师分享摘要：作为FederatedAI 团队开发的横向视觉联邦项目，FedVision已在Github上开源。项目初期，FedVision积极拥抱Paddle生态, 借助PaddleFL和PaddleDetection力量，极大缩短初始版本的研发周期。本次分享将介绍FedVision项目的基本情况以及未来发展规划，并对目前基于Paddle 引擎的使用方式进行简单的演示。 参与方式加入直播群，获取直播链接，共同学习讨论。我们也将在群中第一时间发布后续分享详情。 如群已超出人数限制，扫码添加FATE社区助手，备注「联邦学习」即可加入。