С какими необычными примерами использования нейросетевых алгоритмов подсчета чего-либо вы сталкивались?

Эх предадут меня анафеме... ну да ладно :)

Сейчас нейронные сети в тренде, упоминание нейросети в описании продукта или на странице компании является признаком хорошего тона или говоря молодежным языком - хайпом.

Нейронные сети пытаются использовать для всего подряд, без разбора, считая эту технологию "серебряной пулей" и средством способным решить все проблемы на свете. Безусловно, эта очень мощная и сложная технология способная находить, не очевидные на первый взгляд зависимости в комбинациях исходных данных, а ее обучение, по сути, является искусством, сродни написанию хокку. Настоящих мастеров этого искусства не много, и все они, в основном математики, далекие от понимания того как "устроены" природные объекты, предметом изучения которых, является дистанционное зондирование Земли.

Людей, умеющих выбрать подходящую архитектуру нейронной сети, найти оптимальные параметры обучения и одновременно разбирающихся в предметной области, можно пересчитать по пальцам одной руки.

В основном, все сводится к клонированию имеющихся в сети решений, созданных для обработки фотографий "котиков и собачек" и попыткой применить их к решению задач в области ДЗЗ, называя все это магией, а недостаток знаний о предмете исследования, пытаются компенсировать огромным размером обучающей выборки и сложной архитектурой модели (так называемое глубокое обучение - deep learning). Работает ли это реально?

Каких то осмысленных результатов такого подхода, лично я не встречал, разве что выделение выделение бассейнов на лужайках частных домов в США и полей с искусственным орошением (круглых) в пустыне, все остальное очень далеко по точности и детальности от экспертного дешифрирования, даже с использованием старых добрых, но устаревших по нынешним меркам методик, в основе которых лежит знание о предмете :).

Можно обучить сложную и "глубокую" нейронную сеть для определения границ водоемов, а можно просто взять ИК канал или построить простейший индекс, т.е. в данном случае, неросеть - микроскоп, которым забивают гвозди.

Надеюсь ситуация кардинально изменится благодаря доступности этой технологии "предметникам", сейчас используя многочисленные фреймворки можно сконструировать и обучить нейронную сеть практически на коленке, а знание особенностей и дешифровочных признаков предмета исследования, позволит существенно сократить время обучения и повысить точность.

По этому отвечая на данный вопрос, я бы скорее его перефразировал...

С какими удачными (реально работающими) примерами использования нейросетевых алгоритмов при обработке ДЗЗ вы сталкивались?