مع الانتشار الواسع لتقنية تقسيم الدلالات في صور الاستشعار عن بعد على الأجهزة الطرفية، أصبح تحقيق توازن بين الدقة والكفاءة ضمن موارد حوسبة محدودة مسألة علمية حاسمة. تقدم هذه الورقة طريقة تقطير المعرفة القائمة على التصفية في نطاق التردد FDF (تقطير التصفية في المجال الترددي). تستخدم هذه الطريقة قناعًا مركزيًا مربعًا لترشيح ميزات المعلم والطالب في نطاق فورييه، مما ينقل انتقائيًا المعرفة الهيكلية منخفضة التردد من نموذج المعلم، مع كبح المكونات عالية التردد غير المرتبطة، مما يتغلب بفعالية على مشكلة التشويش العالي التردد في تقطير ميزات الجزء الأمامي للترميز. لاستكشاف هيكل تقطير فعال، تم إدخال الشبكة الخفيفة U-Lite كنموذج الطالب، الذي يتميز بأهمية في حجم المعلمات وسرعة الاستدلال. أظهرت التجارب الشاملة على مجموعات بيانات الاستشعار عن بعد LoveDA (تكيف مجال الغطاء الأرضي)، وVaihingen، وPotsdam أن تحسينات الأداء العالمي المتوسط وتحسينات متوسط التداخل الإقليمي لـFDF تحتل مرتبة متقدمة، مع مخاطر تدهور أداء أقل بشكل ملحوظ مقارنة بطرق المجال الترددي السائدة، كما أن الانحراف المعياري لقيمة الفرق δmIoU (متوسط التقاطع على الاتحاد) (1.03) أفضل من طرق التقطير وفق القناة CWD (1.25) وطريقة التقطير الفورييه (1.34)، مع تجنب الانخفاض الأقصى في الأداء الذي يصل إلى 2.37% في الطرق الأخرى. من حيث كفاءة الحوسبة، تصل سرعة استدلال FDF إلى 16.63 مللي ثانية لكل إطار، أسرع بحوالي 2.5 مرة من تقطير تغيير الميزة داخل الصنف IFVD وطريقة التقطير الفورييه. هذه المزايا تجعل FDF يظهر قيمة تطبيقية فريدة في سيناريوهات الحوسبة الطرفية العملية، مما يوفر حل تقسيم عالي الموثوقية للبيئات ذات الموارد المحدودة.

شبكات التعلم العميق; تقطير المعرفة; التقسيم الدلالي; استخراج الميزات; تحويل فورييه السريع