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。发表于：。利用卫星搭载的机器学习硬件加速器，通过卷积神经网络等机器学习技术在机载上处理有效载荷数据的出现，其中一个重要的例子是使用卷积神经网络在地球观测任务中检测高光谱数据中云的存在，仅将晴空数据进行下行传输以节省带宽。然而，在新任务部署之前，使用新传感器的新任务将没有足够的代表性数据集来训练卷积神经网络模型，而仅使用以前任务的数据训练的模型在新任务的数据处理过程中会表现不佳。这个问题源于领域差异，即...
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。
