BriefGPT - AI 论文速递
·
卫星载荷高光谱云检测的域自适应
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
本文研究了机载高光谱云检测中的领域差异问题，并通过制定新领域适应任务和开发新算法，实现了在卫星上部署和更新复杂的卷积神经网络模型，而不受领域差异和带宽限制的影响。只需最小程度的数据传输即可实现领域适应。
🎯
关键要点
- 研究机载高光谱云检测中的领域差异问题。
- 利用卷积神经网络在地球观测任务中检测高光谱数据中的云。
- 新任务部署前缺乏足够的代表性数据集来训练模型。
- 领域差异导致以前任务的数据训练模型在新任务中表现不佳。
- 制定了新领域适应任务，开发了高效的算法以应对带宽限制。
- 在太空部署型神经网络加速器上验证了领域适应算法。
- 实现了最小数据传输（如ResNet50中只传输1%的权重）以进行领域适应。
➡️
