每年平均大约会有500座冰山进入纽芬兰和拉布拉多离岸区域，这对海洋运输和船舶行进形成潜在的威胁。在1990年代，有些公司便开始使用卫星合成孔径雷达（satellite synthetic aperture radar；SAR）来监测冰山与海洋浮冰，SAR非常适用于这样的任务，因为它可以不分日夜，甚至穿透云、雾、和其他不利的天气条件，从大范围的海洋捕捉影像。

SAR影像的分析工作包含辨识影像中的目标物（高强度画素的丛集），并将它们分类为冰山或船只（图1）。即使是受过高度训练的专家，分析少量的画面也会需要花上几个小时，尤其是在目标物难以辨识的时候。

图1 : 在纽芬兰附近拍摄的SAR影像，圆圈标示处为目标物。

我们在C-CORE的团队与挪威的能源公司Equinor合作来开发自动化的软体，能使用深度学习来分类SAR影像中的目标物。我们决定要借助世界各地AI研究人员社群的专业，因此办了一场Kaggle竞赛，而我们从竞赛学到了最佳的构想，并且使用MATLAB及卷积神经网路（convolutional neural networks；CNNs）来实现该构想，接着去建构能够实际操作使用的软体。
...
...