终端云跨域协同框架

跨域遥感分类SOTA

该框架通过双分类器协同学习与超网络个性化，在终端与云之间实现跨域特征对齐与高效协同，兼顾云模型泛化与终端模型个性化。

Ting, Zhang · Cheng, Peirui · Zhao, Liangjin · 王智睿 · 75480292 · Liu, Chenglong · 许光銮 · 孙显

IEEE Transactions on Geoscience and Remote Sensing 2024

技术优势

跨域数据分布差异不再是障碍

通过双分类器协同学习模块，结合多层感知机和图卷积网络进行互监督，实现不同数据分布间的特征对齐，使云模型对分布差异更加鲁棒。

终端个性化成本极低

超网络个性化模块以极小的微调成本为每个终端生成专属分类器参数，使终端在保持自身独特性的同时受益于协同训练的泛化优势。

精度再提升

数据辅助渐进推理机制通过联合聚类终端与云端特征，进一步提升分类精度，使 TeCCo 在跨域多平台遥感分类中达到 SOTA。

应用场景

• 智能遥感图像分类：利用跨域特征对齐模型，在多种遥感数据分布下实现高精度自动分类，减少人工标注依赖。
• 多平台遥感协同推理：联合不同平台终端与云端协同推理，在保持本地响应速度的同时提升整体分类精度。
• 边缘智能终端：通过超网络为边缘终端快速生成个性化模型参数，以极小成本适配本地数据分布。
• 云边协同AI芯片：为云边协同 AI 芯片提供支持跨域分布对齐与个性化推理的算法框架，提升端云整体效能。