بالنظر إلى المشكلة الناتجة عن تكلفة العمل اليدوي في تسمية العينات في تصنيف الصور فوق الطيفية، والتي تُعد مكلفة وشاقة، بالإضافة إلى عدم الاستفادة الفعالة من عدد كبير من العينات غير المُسمّاة، مما يؤدي إلى نتائج تصنيف غير مرضية، تم اقتراح طريقة جديدة تُقدّم عينات قيّمة وتستخدم الشبكة العصبية التلافيفية لاستخراج الميزات الطيفية المكانية للتصنيف. حيث تُستخدم طريقة التعلم النشط لبناء مجموعة تدريب قيّمة من خلال اختيار تكراري للعينات الأكثر غموضًا باستخدام آلة الدعم المتجه (SVM)، التي تُظهر أداءً جيدًا في التصنيف عند وجود عينات صغيرة، ثم تتم تسميتها. بعد ذلك، تُستخدم الشبكة العصبية التلافيفية ثلاثية الأبعاد (3D CNN) لاستخراج الميزات الطيفية المكانية للصورة فوق الطيفية. أظهرت نتائج التجارب على تصنيف الصور فوق الطيفية باستخدام مجموعتي بيانات Indian Pines وPaviaU أن الطريقة المقترحة (3D VS-CNN) تتفوّق على الطرق التقليدية للتصنيف.