机构名称：
¥ 3.0
在过去十年中，机器学习 (ML) 已成为许多数据驱动应用的主要驱动力。因此，快速发展的太空行业准备利用最近的 ML 进步来实现其大部分数据处理的自动化。这包括基于卫星的应用，例如地球观测、通信、导航以及航天器的自动故障检测和恢复。关键的 ML 算法（例如对象检测、语义分割、姿势估计和异常检测）有助于实现这些太空应用。然而，许多这些算法（即经过训练的模型）会产生大量的计算工作量，需要大型、耗电的 GPU 来执行，这与在太空环境中运行是不相容的。另一方面，对于许多需要低延迟解决方案的卫星应用来说，下行数据进行地球处理也不是一种选择。边缘计算是数据源头的有效处理解决方案，这可能是使 ML 广泛用于卫星应用的关键。此外，通过减少卸载敏感数据的需要，机载处理可以减轻与隐私相关的障碍，阻碍 ML 在太空中的应用。
卫星上的机器学习
主要关键词
相关文件推荐
