遥感边缘智能技术研究进展及挑战

摘要

随着航空航天、遥感和通信等技术的快速发展,5G等高效通信技术的革新,遥感边缘智能(edge intelligence)成为当下备受关注的研究课题.遥感边缘智能技术通过将遥感数据处理与分析技术前置实现,在近数据源的位置进行高效地遥感信息分析和决策,在卫星在轨处理解译、无人机动态实时跟踪、大规模城市环境重建和无人驾驶识别规划等应用场景中起着至关重要的作用.本文对边缘智能在遥感数据解译中的研究现状进行了归纳总结,介绍了目前遥感智能算法模型在边缘设备进行部署应用中面临的主要问题,即数据样本的限制、计算资源的限制以及灾难性遗忘问题等.针对问题具体阐述了解决思路和主要技术途径,包括小样本情况下的泛化学习方法,详细介绍了样本生成和知识复用两种解决思路;轻量化模型的设计与训练,分析了模型剪枝和量化等方法以及基于知识蒸馏的训练框架;面向多任务的持续学习方法,对比了样本数据重现和模型结构扩展两种原理.同时,还结合了典型的遥感边缘智能应用,对代表性算法的优势和不足进行了深层剖析.最后介绍了遥感边缘智能面临的挑战,以及未来技术的主要发展方向.