Aproveitando a comunicação de recursos em aprendizado federado para classificação de imagens de sensoriamento remoto

No âmbito do Aprendizado Federado (FL) aplicado à classificação de imagens de sensoriamento remoto, este estudo introduz e avalia várias estratégias de comunicação inovadoras. Nossa exploração inclui comunicação centrada em recursos, amalgamação de pseudo-pesos e um método combinado que utiliza tanto pesos quanto recursos. Experimentos realizados em dois conjuntos de dados públicos de classificação de cenas revelam a eficácia dessas estratégias, demonstrando convergência acelerada, maior privacidade e redução na troca de informações da rede. Esta pesquisa fornece insights valiosos sobre as implicações da comunicação centrada em recursos no FL, oferecendo aplicações potenciais adaptadas para cenários de sensoriamento remoto.