隨著航空航天、遙感和通信等技術(shù)的快速發(fā)展,5G等高效通信技術(shù)的革新,遙感邊緣智能（edge intelligence）成為當(dāng)下備受關(guān)注的研究課題。遙感邊緣智能技術(shù)通過將遙感數(shù)據(jù)處理與分析技術(shù)前置實(shí)現(xiàn),在近數(shù)據(jù)源的位置進(jìn)行高效地遙感信息分析和決策,在衛(wèi)星在軌處理解譯、無人機(jī)動(dòng)態(tài)實(shí)時(shí)跟蹤、大規(guī)模城市環(huán)境重建和無人駕駛識(shí)別規(guī)劃等應(yīng)用場景中起著至關(guān)重要的作用。本文對邊緣智能在遙感數(shù)據(jù)解譯中的研究現(xiàn)狀進(jìn)行了歸納總結(jié),介紹了目前遙感智能算法模型在邊緣設(shè)備進(jìn)行部署應(yīng)用中面臨的主要問題,即數(shù)據(jù)樣本的限制、計(jì)算資源的限制以及災(zāi)難性遺忘問題等。針對問題具體闡述了解決思路和主要技術(shù)途徑,包括小樣本情況下的泛化學(xué)習(xí)方法,詳細(xì)介紹了樣本生成和知識(shí)復(fù)用兩種解決思路;輕量化模型的設(shè)計(jì)與訓(xùn)練,分析了模型剪枝和量化等方法以及基于知識(shí)蒸餾的訓(xùn)練框架;面向多任務(wù)的持續(xù)學(xué)習(xí)方法,對比了樣本數(shù)據(jù)重現(xiàn)和模型結(jié)構(gòu)擴(kuò)展兩種原理。同時(shí),還結(jié)合了典型的遙感邊緣智能應(yīng)用,對代表性算法的優(yōu)勢和不足進(jìn)行了深層剖析。最后介紹了遙感邊緣智能面臨的挑戰(zhàn),以及未來技術(shù)的主要發(fā)展方向。 

【文章來源】：中國圖象圖形學(xué)報(bào). 2020,25(09)北大核心CSCD

【文章頁數(shù)】：20 頁

【文章目錄】：
0 引言
1 小樣本情況下的泛化學(xué)習(xí)
    1.1 樣本生成
        1.1.1 基于仿真技術(shù)的樣本生成方法
        1.1.2 基于深度生成模型的樣本生成方法
    1.2 知識(shí)復(fù)用
        1.2.1 遷移學(xué)習(xí)
        1.2.2 度量學(xué)習(xí)
        1.2.3 元學(xué)習(xí)
2 輕量化模型設(shè)計(jì)與訓(xùn)練
    2.1 輕量化模型設(shè)計(jì)
        2.1.1 輕量化模型
            2.1.1. 1 卷積計(jì)算單元輕量化設(shè)計(jì)方法
            2.1.1. 2 模型輕量化人工設(shè)計(jì)方法
            2.1.1. 3 模型輕量化自動(dòng)設(shè)計(jì)方法
        2.1.2 模型剪枝
        2.1.3 模型量化
    2.2 輕量化模型訓(xùn)練
        2.2.1 傳統(tǒng)方法
        2.2.2 知識(shí)蒸餾
3 面向多任務(wù)的持續(xù)學(xué)習(xí)
    3.1 基于樣本數(shù)據(jù)重現(xiàn)的方法
    3.2 基于模型結(jié)構(gòu)擴(kuò)展的方法
4 展望與挑戰(zhàn)
5 結(jié)語


【參考文獻(xiàn)】：
期刊論文
[1]基于深度神經(jīng)網(wǎng)絡(luò)剪枝的兩階段遙感圖像目標(biāo)檢測[J]. 王生生,王萌,王光耀.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(02)
[2]結(jié)合對抗網(wǎng)絡(luò)與輔助任務(wù)的遙感影像無監(jiān)督域適應(yīng)方法[J]. 許夙暉,慕曉冬,張雄美,柴棟.  測繪學(xué)報(bào). 2017(12)



本文編號(hào)：3202792