A gépi látás egyik nagy kihívása a műholdas képalkotás javítása, ezeknek a képeknek a helyes értelmezése. Több kutatócsoport e felvételekre támaszkodva követi a klímaváltozás hatásait, jelez előre vulkánkitöréseket, vagy figyeli Kína covid utáni gazdasági felépülését. A műholdas képek hírszerző ügynökségek számára is kulcsfontosságú anyagok.

A földfelszínen bekövetkező változások lefényképezése mindent megváltoztathat az erre szakosodott technológiai területeken, változatos szegmensekre (mezőgazdaság, logisztika, katasztrófavédelem) lehet komoly hatással.

Embernek egyáltalán nem praktikus, kvázi lehetetlen feladat a bolygót figyelő 150-nél több műhold képözönének az elemzése. A folyamat automatizálásával, gépi tanulással azonban komoly lehetőségek nyílnak meg – persze nemzetbiztonsági szervezetek számára is.

Az USA kormánya által szervezett, szórakoztató nevű SMART (Space-based Machine Automated Recognition Technique) verseny résztvevőinek nagyszabású építkezéseket szekvenciális műholdfelvételeken lekövető rendszereket kellett fejleszteniük.

Dömperek, méretes daruk, kopár talaj az építkezések jól ismert vizuális jelei, csakhogy ezek a jelek nem mindig észlelhetők egyszerre, és más célokat is szolgálhatnak. Tegyük hozzá, hogy különféle műholdaknak más a képalkotó rendszerük, másként keringenek, más az ütemezésük stb. Mindezek tovább nehezítik az automatizált osztályozást.

A verseny első szakaszában, 2021 januárja és idén április között a résztvevők képforrástól függetlenül ugyanazon a helyen, de nem ugyanabban az időben látható jeleket összekapcsoló modelleket építettek.

Dubaitól Amazóniáig, 27 régióról készült 100 ezer műholdfelvétellel dolgoztak. Kb. 13 ezret címkéztek fel, ezek 1000 építkezésre és 500 hasonló, de más tevékenységre utaltak. Az adatsor nyilvános volt, a modelleknek meg kellett találni az építkezés-helyszíneket, megállapítani a munkafázist, jelezni a speciális változásokat, plusz azonosítani az érdeklődést felkeltő jegyeket: hőmérsékleti anomáliákat, a talaj áteresztőképességét, munkagépeket stb.

A NASA, az amerikai Geológiai Megfigyelőközpont és más akadémiai szervezetek szakembereiből álló zsűri döntése alapján hat csapat jutott a 2023-as második körbe, amelyben az építkezést felismerő modelleket időbeli változásokhoz kötődő feladatokhoz, például a termésnövekedés detektálásához kell alkalmazniuk. A 2024-ben kezdődő harmadik körben a még álló versenyzőknek a változatos földhasználati módokat általánosító rendszert kell fejleszteniük.