近日，中国科学院海洋所李晓峰研究团队详细总结了卷积神经网络架构（CNN）在海洋遥感中的应用，研究成果在IEEE Geoscience and Remote Sensing Magazine（影响因子13.925）发表。
过去40年里，遥感技术的不断发展极大地推动了海洋观测的进展，使海洋数据进入了大数据时代。高效、准确地处理和分析海洋大数据，以解决基于这些数据的实际问题，已成为一项重大挑战。近年来，人工智能（AI）技术迅猛发展，众多深度学习模型应运而生，在大数据分析和实际问题解决中广泛应用。其中，CNN作为深度学习模型的代表，已经成为计算机视觉和遥感等多个研究领域的主要解决方案之一。
本研究讨论了CNN的模型架构及其一些变种，以及如何将它们应用于处理和分析海洋遥感数据。详细介绍了CNN如何满足海洋遥感应用的各种要求，包括三维海洋场重建、信息提取、图像超分辨率、海洋现象预测、迁移学习方法以及CNN模型可解释性方法等六大类。讨论了基于CNN的海洋遥感大数据应用所面临的技术挑战，并总结了未来的研究方向。
研究强调，人工智能驱动的海洋遥感科学是一个跨学科领域，只有通过海洋遥感专家和机器学习专家之间的紧密合作，才能不断推进深度学习技术在海洋遥感领域的应用。通过发起更多的合作倡议，共同推动人工智能驱动的、可解释的、高效的海洋遥感数据挖掘技术的研究。
上述研究得到了中国科学院先导科技专项及国家自然科学基金项目等资助。论文第一作者为中国科学院海洋所博士生王浩宇，通信作者为研究员李晓峰。
