Jan, 2024
联邦遥感目标细粒度分类:一种参数高效的框架
Free Lunch for Federated Remote Sensing Target Fine-Grained Classification: A Parameter-Efficient Framework
Shengchao Chen, Ting Shu, Huan Zhao, Jiahao Wang, Sufen Ren...
TL;DR该研究提出了一种基于联邦学习的隐私保护细粒度遥感目标分类框架 (PRFL),该框架允许每个客户端学习全局和本地知识,以增强私有数据的局部表示,从而在统计异质性环境中提供高度定制的模型,并最小化通信开销,提高效率,同时确保令人满意的性能,从而增强在资源匮乏条件下的鲁棒性和实际适用性。