في السنوات الأخيرة، ثورة تقنيات التعلم العميق غيرت الطريقة التي يتم بها معالجة بيانات الاستشعار عن بعد. تصنيف البيانات فائقة الطيف ليس استثناءً من هذه القاعدة، ولكنه يحتوي على خصوصيات جوهرية تجعل تطبيق التعلم العميق عليه أقل مباشرة مقارنة ببيانات البصرية الأخرى. يقدم هذا المقال مراجعة للتقنيات السابقة في مجال التعلم الآلي، ويستعرض مختلف نهج التعلم العميق المقترحة حاليًا لتصنيف البيانات فائقة الطيف، ويتعرف على المشكلات والصعوبات التي تنشأ عند تنفيذ الشبكات العصبية العميقة لهذه المهمة. بشكل خاص، يتم التعامل مع قضايا الدقة المكانية والطيفية، حجم البيانات، ونقل النماذج من الصور المتعددة الوسائط إلى البيانات فائقة الطيف. بالإضافة إلى ذلك، يتم تقديم دراسة مقارنة لأنواع مختلفة من هياكل الشبكات العصبية وإصدار صندوق أدوات برمجي علنًا لتمكين التجربة بهذه الطرق. يهدف هذا المقال إلى العلماء المهتمين بالبيانات فائقة الطيف والخبراء في الاستشعار عن بعد الراغبين في تطبيق تقنيات التعلم العميق على مجموعاتهم الخاصة من البيانات.