Inferência em Classificadores Espectrais Supervisionados para Imagens Hiperespectrais em A Bordo: Uma Visão Geral

Técnicas de aprendizado de máquina são amplamente utilizadas para a classificação pixel a pixel de imagens hiperespectrais. Esses métodos podem alcançar alta precisão, mas a maioria deles são modelos computacionalmente intensivos. Isso representa um problema para sua implementação em sistemas de baixa potência e embarcados destinados ao processamento em bordo, nos quais o consumo de energia e o tamanho do modelo são tão importantes quanto a precisão. Com um foco em sistemas embarcados e de bordo (nos quais apenas o passo de inferência é realizado após um processo de treinamento off-line), neste artigo fornecemos uma visão geral abrangente das propriedades de inferência das técnicas mais relevantes para a classificação de imagens hiperespectrais. Para isso, comparamos o tamanho dos modelos treinados e as operações necessárias durante o passo de inferência (que estão diretamente relacionadas aos requisitos de hardware e energia). Nosso objetivo é buscar compensações apropriadas entre a implementação em bordo (como tamanho do modelo e consumo de energia) e a precisão de classificação.