SatReg：面向轻量卫星图像分割的回归驱动神经网络架构搜索
计算机视觉与模式识别
2026-04-14 v1
摘要
随着地球观测工作负载向 onboard 和 edge 处理迁移，遥感分割模型必须在严格的延迟和能耗约束下运行。我们提出 SatReg，一个面向边缘平台的轻量遥感分割回归驱动硬件感知调优框架。采用 CM-UNet 作为教师架构，将搜索空间缩减为两个主导的宽度相关变量，在 NVIDIA Jetson Orin Nano 上对一小组学生模型进行轮廓化建模，并为 mIoU、延迟和功耗拟合低阶代理模型。采用知识蒸馏高效训练所采样的学生模型。所学代理模型使能够在无需穷举搜索的情况下快速选择接近最优的架构设置。结果表明，所选变量对任务准确率和硬件成本的影响不同，使得缩减空间的回归策略对于适配未来空间边缘系统的混合 CNN-Mamba 分割模型具有实际意义。
引用
@article{arxiv.2604.10306,
title = {SatReg: Regression-based Neural Architecture Search for Lightweight Satellite Image Segmentation},
author = {Edward Humes and Tinoosh Mohsenin},
journal= {arXiv preprint arXiv:2604.10306},
year = {2026}
}