美国密苏里大学研究人员在新近的《应用遥感》杂志刊文，展示了一种用于遥感卫星图片识别的深度学习模型，据称能够从海量卫星图片中识别并标记出军事装备设施。研究人员还将识别出的原始图像转换为训练样本，供深度学习模型持续开展数据训练，以提升目标识别的精准度。

长期以来，情报机构主要依赖情报分析人员从卫星遥感图像中识别诸如核设施或秘密军事据点等目标，但人工识别面临效率低下、无法应对海量数据等问题。随着以深度学习为代表的人工智能技术日益成熟，将其引入遥感卫星目标识别成为发展趋势。2017年7月,美国情报高级研究计划局启动“世界功能地图挑战赛”，寻求人工智能解决方案，更好地从海量卫星图像中挖掘高价值信息，力求将情报分析人员工作量减少75%。“数字地球”公司还开发了 “地理空间大数据”平台，寻求利用深度学习算法自动探测和识别高价值目标。

目前，利用人工智能开展卫星图像识别仍面临不少挑战。一方面，遥感卫星图像构成更加复杂，易受到天气、成像角度、传感器类型、伪装隐蔽手段等因素的影响。另一方面，深度学习算法依赖大量卫星图片数据，但通常很难获取这些数据来准确识别卫星图像的特征。