FedMAD联邦学习框架用于遥感图像分类

2026年10月2日，arXiv cs.CV 收录论文 FedMAD，提出一种面向遥感图像分类的个性化联邦学习框架。该框架用轻量调制模块与本地批归一化层，将全局共享表示参数与客户端专属适配参数分离，以应对客户端数据分布异构问题；其调制感知定向聚合会按各客户端本地调制更新的对齐程度动态调整聚合权重，从而抑制冲突更新。论文称在 BigEarthNet-S2 和 EuroSAT 数据集上，该框架在异构遥感数据分布下优于现有联邦学习算法，代码将公开。目前报道仅此一篇，暂无后续进展或不同说法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。