Key points are not available for this paper at this time.
لقد أصبحت خوارزميات التعلم العميق (DL) التي تتعلم الميزات التمثيلية والتفريقية بطريقة هرمية من البيانات نقطة محورية في مجال التعلم الآلي، وقد تم إدخالها مؤخراً إلى مجتمع علوم الأرض والاستشعار عن بعد (RS) لتحليل بيانات RS الكبيرة. بالنظر إلى الميزات ذات المستوى المنخفض (مثل الطيف والملمس) كالمستوى الأساسي، يمكن إرسال تمثيل الميزات الناتج من المستوى الأعلى من الشبكة مباشرة إلى مصنف لاحق للتصنيف القائم على البكسل. في الواقع، من خلال معالجة المطالب العملية بعناية في تطبيقات RS وتصميم مستويات الإدخال والإخراج للشبكة بالكامل، وجدنا أن DL موجود في كل مكان في تحليل بيانات RS: من المواضيع التقليدية مثل معالجة الصور، وتصنيف البكسل، والتعرف على الأهداف، إلى المهام الصعبة الحديثة المتعلقة باستخراج الميزات الدلالية عالية المستوى وفهم مشاهد RS. في هذا البرنامج التعليمي التقني، يتم توفير إطار عمل عام لـ DL لبيانات RS، وتعتبر أساليب DL الحديثة في RS حالات خاصة للبيانات المدخلة والمخرجة المدمجة مع شبكات عميقة متنوعة وحيل ضبط. على الرغم من أن النتائج التجريبية الواسعة تؤكد الأداء الممتاز لخوارزميات المستندة إلى DL في تحليل بيانات RS الكبيرة، يمكن توقع آفاق أكثر إثارة لـ DL في RS. كما يتم الإشارة إلى الاختناقات الرئيسية والاتجاهات المحتملة في هذه المقالة، مما يوجه الأبحاث المستقبلية في DL لبيانات RS.
درس زانغ وآخرون (الأربعاء) هذا السؤال.