随着遥感技术和人工智能的不断进步，基于深度学习的遥感数据智能解译成为遥感信息处理的重要方向。遥感数据具有高维度、大规模和多源异构的特点，传统解译方法在效率与精度上已难以满足需求。深度学习能够自动提取多层特征，实现从像素级信息到语义级理解的智能转化，显著提升了下游任务的性能。目前，卷积神经网络、Transformer、视觉-语言基础模型/大模型等技术广泛应用于土地利用、城市提取和灾害监测等领域。未来，遥感智能解译将朝着更多元的方向发展，如多模态、轻量化与可解释性等，助力地球观测与智能决策。

Biography:

马献平，2019年取得武汉大学地理信息科学学士学位，2025年取得香港中文大学（深圳）计算机与信息工程博士学位。2025年8月，加入西南交通大学地球科学与工程学院担任助理教授。共发表论文30余篇，google学术引用980+，包括IEEE TGRS国际遥感领域权威SCI期刊论文6篇，ESI热点论文/高被引论文5篇。他担任超过40种国际期刊的审稿人，包括TPAMI, TIP, RSE, ISPRS等。主要研究方向包括遥感图像处理、深度学习、多模态融合、无监督域自适应等。