Cверточные нейронные сети c глубоким обучением в задачах обработки гиперспектральных спутниковых данных

За последнее десятилетие глубокие сверточные нейронные сети (deep convolutional neural networks, DСNN) были успешно применены для обработки многопиксельных спутниковых изображений высокого разрешения, используемых при решении разнообразных задач восстановления характеристик земной атмосферы и поверхности Земли по данным дистанционного зондирования.
В работе дано представление о состоянии исследований по применению нейросетевых методов обработки гиперспектральных спутниковых изображений, включая краткие сведения об основных особенностях сверточных нейронных сетей (convolutional neural networks, CNN), глубоком обучении (deep learning, DL), сетях-автоэнкодерах (autoencoders, AE), используемых для сжатия информации.
К настоящему времени в Internet накоплено значительное число открытых для использования моделей сверточных нейронных сетей с глубоким обучением, позволяющих разрабатывать новые, усовершенствованные модели DCNN на основе уже созданных хорошо работающих типов этих сетей. Краткая информация о некоторых из этих моделей содержится в настоящей работе. Более подробную информацию о библиотеке открытых нейросетевых моделей и больших базах данных, необходимых для настройки DCNN, предполагается дать во второй части работы, публикация которой планируется.