Адаптація методології глибинного навчання під задачу класифікації гіперспектральних зображень Поряд з розвитком технологій і поліпшення просторової розрізненності гіперспектральних зображень, інформація вимагає більш глибокого аналізу в зв’язку зі збільшенням кількості спостережуваних цілей. Для повного розуміння сцени тепер є обов’язковими кілька рівнів аналізу зображень. Процес глибинного навчання визначає подання та організацію декількох рівнів обробки для визначення складних відносини між гіперспектральними даними. Приведена загальна схема процесу класифікації гіперспектральних зображень з використання методології глибинного навчання. Після попередньої обробки вхідні гіперспектральні дані класифікуються в два незалежні потоки: за спектральними та за просторовими ознаками з подальшим злиттям одержаних карт ймовірностей для отримання остаточної класифікації об’єктів зображення.