Bài báo này trình bày WildFit, một khuôn khổ thích ứng mới, nhằm giải quyết vấn đề độ chính xác kém của các mô hình học sâu trong các thiết bị IoT hạn chế tài nguyên, lấy ví dụ về bẫy ảnh động vật hoang dã. WildFit tạo dữ liệu huấn luyện thông qua tổng hợp trên thiết bị, tập trung vào các biến đổi nền và sử dụng kỹ thuật tinh chỉnh nhận biết độ trôi để chỉ cập nhật mô hình khi cần thiết. Điều này duy trì phân loại loài chính xác ngay cả trong điều kiện kết nối hạn chế và hạn chế năng lượng. Tổng hợp nhận biết nền hiệu quả hơn các phương pháp hiện có, và tinh chỉnh nhận biết độ trôi giúp cải thiện độ chính xác đồng thời giảm số lần cập nhật. Kết quả là, WildFit vượt trội hơn các phương pháp thích ứng miền hiện có từ 20-35% và chỉ tiêu thụ 11,2 Wh năng lượng trong 37 ngày.
