计算机科学 > 计算机视觉与模式识别
[提交于 2025年1月5日
]
标题: FedRSClip:使用视觉语言模型的遥感场景分类联邦学习
标题: FedRSClip: Federated Learning for Remote Sensing Scene Classification Using Vision-Language Models
摘要: 遥感数据通常分布在多个机构中,由于隐私问题和数据共享限制,在集中式训练框架中利用大规模数据集具有挑战性。联邦学习通过在不需数据集中的情况下,实现跨分布式数据源的协作模型训练,提供了一个有前景的解决方案。然而,当前的视觉-语言模型(VLMs),通常包含数十亿个参数,对于基于模型参数更新的传统联邦学习方法来说,会带来显著的通信挑战,因为这将产生大量的通信成本。在本文中,我们提出了FedRSCLIP,这是第一个基于VLM,特别是CLIP的遥感图像分类联邦学习框架。FedRSCLIP通过引入提示学习,仅优化一小部分可调参数,解决了联邦环境中的数据异构性和大规模模型传输问题。该框架引入了双提示机制,包括用于全局知识共享的共享提示和用于客户端特定适应的私有提示。为了保持共享提示和私有提示之间的语义连贯性,我们提出了双提示对齐约束,以在不同客户端分布之间平衡全局一致性和局部适应性。此外,为了增强跨模态表示学习,我们引入了跨模态特征对齐约束,以对齐文本和图像提示之间的多模态特征。为了验证我们提出的模型的有效性,我们构建了一个Fed-RSIC数据集,基于三个现有的遥感图像分类数据集,专门设计用于模拟各种联邦学习配置。实验结果表明FedRSCLIP在遥感图像分类中的有效性和优越性。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.