リモートセンシングデータのための深層学習：最先端技術のチュートリアル

データから階層的に代表的かつ識別的な特徴を学習する深層学習（DL）アルゴリズムは、最近、機械学習の分野でホットスポットとなり、リモートセンシング（RS）ビッグデータ分析のために地球科学およびリモートセンシングコミュニティに導入されました。低レベルの特徴（例えば、スペクトルやテクスチャ）を最下層とし、ネットワークの最上層からの出力特徴表現は、ピクセルベースの分類のために次の分類器に直接供給することができます。実際、RSアプリケーションにおける実際的な要求を慎重に考慮し、ネットワーク全体の入力・出力レベルを設計することによって、私たちはDLがRSデータ分析の至る所に存在していることを発見しました：画像前処理、ピクセルベースの分類、ターゲット認識という従来のトピックから、高レベルのセマンティック特徴抽出やRSシーン理解という最近の挑戦的なタスクまで。この技術チュートリアルでは、RSデータのためのDLの一般的なフレームワークが提供され、RSにおける最先端のDL手法は、各種の深層ネットワークおよび調整技術と組み合わされた入力・出力データの特別なケースとして考慮されています。広範な実験結果は、RSビッグデータ分析におけるDLベースのアルゴリズムの優れた性能を確認していますが、RSにおけるDLにはさらにエキサイティングな展望が期待されます。本記事では、主要なボトルネックと潜在的な方向性も示され、RSデータにおけるDLのさらなる研究を導く手助けをしています。