船舶检测：参数服务器变体

卫星光学影像中的深度学习船舶检测受到云、陆地和人造物体误报的困扰，这些物体干扰了船舶的正确分类，通常将类别准确率限制在88%。本工作探讨了云解决方案中定制策略、类别准确率、训练时间和成本之间的张力。我们展示了定制U-Net如何在验证数据集上达到92%的类别准确率，并在具有90%置信度的目标数据集上达到68%。我们还比较了单节点架构与一种参数服务器变体，其工作节点充当提升机制。参数服务器变体在目标数据集上的类别准确率优于最佳单节点方法，达到73%的类别准确率。结合实证结果，对单节点与参数服务器变体架构的系统性能进行了比较研究。