每年平均大約會有500座冰山進入紐芬蘭和拉布拉多離岸區域，這對海洋運輸和船舶行進形成潛在的威脅。在1990年代，有些公司便開始使用衛星合成孔徑雷達（satellite synthetic aperture radar；SAR）來監測冰山與海洋浮冰，SAR非常適用于這樣的任務，因為它可以不分日夜，甚至穿透云、霧、和其他不利的天氣條件，從大范圍的海洋捕捉影像。

SAR影像的分析工作包含辨識影像中的目標物（高強度畫素的叢集），并將它們分類為冰山或船只（圖1）。即使是受過高度訓練的專家，分析少量的畫面也會需要花上幾個小時，尤其是在目標物難以辨識的時候。

圖1 : 在紐芬蘭附近拍攝的SAR影像，圓圈標示處為目標物。

我們在C-CORE的團隊與挪威的能源公司Equinor合作來開發自動化的軟體，能使用深度學習來分類SAR影像中的目標物。我們決定要借助世界各地AI研究人員社群的專業，因此辦了一場Kaggle競賽，而我們從競賽學到了最佳的構想，并且使用MATLAB及卷積神經網路（convolutional neural networks；CNNs）來實現該構想，接著去建構能夠實際操作使用的軟體。
...
...