深度学习（DeepLearning），隶属人工智能范畴，近几年火遍各个领域。短短的几年，深度学习颠覆了语音识别、图像分类、文本理解等众多领域的算法思路，渐渐形成了一种从训练数据出发，经过一个端到端的模型，直接得到最终结果的一种新模式。
本次笔者的工作：利用深度学习机制，建立遥感影像中对高尔夫球场检测的智能搜索机。
通过观察，高尔夫球场地理环境和影像光谱具有独特之处。
高尔夫球场地理环境特点：:
1．地势特点：比较平整，但场地内存在一些缓坡作为球场的屏障.
2．交通特点：交通便利，有高等级道路联通。
3．水源充足：高尔夫球场耗水较大，因此多在水源附近。
4．面积特点：一般情况下占地面积大于50公顷。
利用地理环境特点，可对检测区域进行筛选。
高尔夫球场影像光谱特征：
1.包含大面积草坪
2.草坪中分布沙坑
根据影像光谱特征，利用强大的GoogleEarth构建大量训练样本，采用深度学习机制，训练得到高尔夫球场的智能搜索机，实现高尔夫球场的智能化检测。
当然，笔者的智能搜索机还很弱小，精度有限，检测结果需要人工校正。
针对北京区域的1.68万平方公里，进行了大区域的高尔夫球场搜索监测，经过人工核实后，共发现高尔夫球场67个。新浪高尔夫网站上共收录58个高尔夫球场，基于深度学习的监测机制多发现了9个高尔夫球场！笔者深深地被人工智能的强大能力折服了！
检测结果和一些主要高尔夫球场如下：
北京市高尔夫球场（年）
（永定河、温榆河、潮白河是高尔夫球场分布的密集区）
传说中的北湖九号高尔夫俱乐部
（世界上最奢华的高尔夫会所之一）
北市华彬高尔夫俱乐部
北京大运河高尔夫俱乐部
北京乡村高尔夫俱乐部
北京渔阳国际高尔夫球场
红枫湖高尔夫俱乐部
笔者后续工作有着宏伟的目标：进一步培养人工智能自动检测机，提高检测精度，开始全国的高尔夫球场检测。
