Federiertes OpenMax-System verbessert offene Gesichtserkennung

In einer neuen Studie aus dem arXiv-Preprint 2508.19312 wird ein innovatives Gesichtserkennungssystem vorgestellt, das federiertes Lernen mit dem OpenMax-Algorithmus kombiniert.

Traditionelle KI‑basierte Gesichtserkennung erreicht hohe Genauigkeit, doch sie kämpft mit Datenschutz und der Erkennung unbekannter Personen. Das neue System adressiert diese Schwachstellen, indem es die Identität von Personen in offenen Set‑Szenarien zuverlässig erkennt.

Das vorgestellte System nutzt federiertes Lernen, bei dem lokale Modelle auf den Geräten trainiert werden und nur aggregierte Informationen – Mittelwert‑Aktivierungsvektoren und lokale Distanzmaße – ausgetauscht werden. Dadurch bleiben die Rohdaten der Nutzer auf den Geräten und die Privatsphäre bleibt geschützt.

Durch die Einbindung von OpenMax kann das System zuverlässig zwischen bekannten und unbekannten Personen unterscheiden, ohne die Privatsphäre der Nutzer zu gefährden. OpenMax erweitert die Klassifikationsschwelle, sodass unbekannte Gesichter als solche erkannt werden.

Experimentelle Tests zeigen, dass die Kombination aus federiertem Lernen und OpenMax die Erkennungsleistung verbessert und gleichzeitig die Privatsphäre stärkt. Die Ergebnisse deuten darauf hin, dass das System in verteilten Umgebungen eingesetzt werden kann.

Die Arbeit demonstriert, dass federiertes Lernen in Kombination mit OpenMax ein vielversprechender Ansatz für robuste, datenschutzfreundliche Gesichtserkennung in offenen Set‑Szenarien ist.