人工智能与遥感技术的结合使遥感目标检测成为计算机视觉的重要研究方向，能够在复杂环境中识别滑坡和农作物，提供实时地球观测。构建高质量数据集是关键，推动了目标检测的实用化。HyperAI整理了多个领域的数据集，促进技术应用。

提出了一种双重深度神经网络（D-DNet）预测与数据同化系统，能够高效整合实时观测，确保可靠的运营预测。D-DNet 在 PM2.5 和 AOD550 的全球运营预测方面表现优秀，并比CAMS 4D-Var 运营预测系统具有高效性和可比较的准确性。

该研究使用变分递归自编码器神经网络对模拟的多波长观测数据进行编码，以实现实时引力透镜普查天文学研究。该方法在未标记和混乱的数据上具有优势，并通过分析异常得分排除了干扰信号，最终提取出稀有、高纯度的暂变事件样本。该算法在 Rubin 天文台实时观测中具有重要的应用潜力。