文章提出，在下一步的深度学习海洋遥感图像模型的设计中，应从两个发展方向入手：

一是深度学习模型的结构改进。在当前深度学习海洋遥感模型中加入各类注意力机制。注意机制强调全球和局部信息的结合，这也符合需要多尺度联合分析的海洋问题。

二是建立基于领域知识(专家知识)指导的深度学习模型。通过海洋领域的理论知识可以降低输入数据维度的自由度，从而降低深度学习模型的训练难度。海洋领域知识可分为物理约束和时空数据处理方法。建立深度学习模型时使用多分支网络结构，可以将领域知识集成到模型中。

文章还提出，在未来的海洋遥感图像处理中，应将深度学习模型结构的先进性和领域知识 (专家知识)相结合。注意机制强调全局信息和局部信息的结合。海洋理论领域知识为深度学习模型提供了更准确的输入特征，降低输入数据维度的自由度。二者相互作用推动人工智能海洋学的发展。 

中科院海洋所李晓峰研究员为论文第一作者，王凡研究员为通信作者，合作者还包括天津大学周圆副教授。研究得到了中科院海洋大科学研究中心、中科院先导科技专项、山东省重大创新工程及国家自然科学基金项目等资助。