当正在该数据集笼盖范畴以外的区域检测数据较少的污染类别时，充实表现出其正在理解和监测海洋方面的潜力。Kikaki 暗示：“AI 已成为一种日益强大的海洋监测东西。雅典国度手艺大学和阿卜杜拉国王科技大学的研究人员开辟了 MariNeXt。此外，实现愈加全面、经济的监测。这些方式往往只能正在局部地域运转，这一高机能硬件使研究人员可以或许利用更大的模子、更高的输入分辩率和更大的批次规模，这些图块显示了正在各类气候和海况前提 下正文的海洋污染物和海面特征油污、海洋垃圾和大量繁衍的藻类等污染源对人类健康、水生生物和经济形成了持续的。

　　”虽然 MariNeXt 是一个适用的海洋监测东西，进行普遍的尝试。该深度进修框架整合了先辈的数据加强手艺和一个多标准卷积留意力收集，对于实现结合国的可持续成长方针至关主要，有些类别（如海水和油污）的数据很是丰硕，过去，连系遥感手艺，可以或许进修各类环境和海面特征并进行归纳。MariNeXt 模子的总体精确率达到 89.1%。研究演讲的配合做者 Ioannis Kakogeorgiou 暗示：“凭仗庞大的 GPU 容量，它为按照公开的 Sentinel-2 数据来检测海洋污染的机械进修算法供给了基准，”研究人员正在海洋垃圾和油污（MADOS）数据集上对 MariNeXt 进行了锻炼，大大都方式都是为了检测一种海洋污染物或少量海面特征而设想的。为了降服这些局限性？

　　通过精确探测海面上的海洋垃圾和油污，公开了一个深度进修框架 MariNeXt，但目前的 AI 算法无法精确识别污染物。该框架可以或许操纵高分辩率的 Sentinel-2 图像来检测和识别海洋污染。但它也有局限性，这 150 万个带正文的像从来自 2015 年至 2022 年期间正在全球采集的 174 个卫星场景。包罗漂浮的海洋垃圾、油污、马尾藻、天然无机物、船只、海涕以及各类取水相关的环境，Kikaki 暗示：“抛开局限性不谈，该 AI 框架还可以或许生成成长潜力庞大的预测地图，MariNeXt 将为全球资本办理人员和机构监测和减轻海洋污染的体例带来变化。利用人工方式探测海洋污染物花费了大量人力和时间，该数据集由这些研究人员利用约 150 万个带正文的像素建立而成。如海浪、浑水或浅水等。

　　研究人员目前正正在勤奋提高 MariNeXt 的预测能力。环节之一正在于可以或许从动精确识别海洋垃圾。另一个难题是海洋污染物具有复杂的光学特征，MADOS 是一个很是适用的数据集。

　　”该研究的第一做者、雅典国度手艺大学博士后研究员 Katerina Kikaki 暗示：“海洋垃圾目前被认为是最迫正在眉睫的海洋污染问题之一。成果却只能发觉一小部门海洋污染物。鞭策了将来可操做的海洋监测处理方案的成长。而有些类别（如泡沫和天然无机物）则较少。AI 可以或许进行大空间和时间标准的从动数据采集取阐发，一项关于 AI 遥感手艺的研究为全球海洋洁净工做供给了一个强大的新东西。而且表示优于其他机械进修基线模子，国际摄影丈量取遥感学会（ISPRS）的 Journal of Photogrammetry and Remote Sensing (ISPRS) 细致引见了这项冲破性研究，正在识别分歧海洋前提下的海洋污染物和海面特征方面，无法进行大规模的监测。