Addressing Heterogeneity in Federated Learning for Real-world Vision Applications

FANI', EROS
2025

9-lug-2025
Inglese
federated learning; statistical heterogeneity; computer vision; client drift; data recency bias; ridge regression; semantic segmentation; autonomous driving
CAPUTO, BARBARA
Politecnico di Torino
216
File in questo prodotto:
File Dimensione Formato  
conv_phd_thesis_final_version_eros_fani.pdf

accesso aperto

Dimensione 60.89 MB
Formato Adobe PDF
60.89 MB Adobe PDF Visualizza/Apri
conv_phd_synthesis_final_version_eros_fani.pdf

accesso aperto

Dimensione 58.78 kB
Formato Adobe PDF
58.78 kB Adobe PDF Visualizza/Apri

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14242/219429
Il codice NBN di questa tesi è URN:NBN:IT:POLITO-219429