深度学习是机器学习研究的一个重要方向。通过构建深层神经网络，深度学习可以模拟人脑层次化的特征提取机制，自主的从数据中挖掘深层特征。目前，深度学习正在被广泛的应用于场景分类、目标检测、文本识别、语音识别等任务。

基于深度学习的高分辨率遥感影像分类

高分辨率遥感影像分类具有数据量大、地物类别多样、成像环境复杂等难点，使得传统算法的鲁棒性较差。深度学习通过模拟人脑中神经元的结构，通过大规模数据的训练，自动从海量影像中提取出有效的深层特征，使得高精度的高分辨率遥感影像分类逐渐成为可能。

基于深度学习的高光谱遥感影像分类

随着光谱分辨率与空间分辨率的日益提高，基于手工设置的特征提取方法由于依赖先验知识、缺乏自适应性等不足，逐渐难以满足高精度的高光谱遥感影像分类需求。得益于深度神经网络优越的层次化特征提取能力，基于深度学习的高光谱遥感影像特征提取方法展现出更强的鲁棒性与类间可分性，为实现高精度的高光谱影像分类提供了新思路。