كانت تكلفة تسمية الظلال الأرضية مكلفة وصعبة التغطية بشكل شامل للمعلومات الغنية المتضمنة في صور الاستشعار عن بعد عالية الدقة. ندرة عينات التدريب، تقيد بشدة أداء نموذج التعلم الإشرافي. لمواجهة المشكلة المذكورة أعلاه، قدمت هذه الورقة طريقة للكشف عن ظلال الأرض في صور الاستشعار عن بعد عالية الدقة استنادًا إلى افتراض الاتجاه المسبق للظلال. استقصت هذه الطريقة فعالية الاتجاه المسبق للظلال في تعبير السمات الدلالية العالية لظلال الأرض من صور الاستشعار عن بعد، وأسست أساسًا لمهمة مساعدة في كشف ظلال الأرض في صور الاستشعار عن بعد استنادًا إلى اتجاهه. قدمت هذه الورقة آلية لمعالجة الضوضاء المستقلة من التغييرات في الاتجاه واستراتيجية تعزيز بيانات الكشف ذات الاشراف الذاتي للكشف عن الظلال. عززت هذه الطريقة قدرة الشبكة العصبية العميقة على تعلم السمات الرئيسية للظلال الأرضية. أظهرت النتائج التجريبية على مجموعة بيانات AISD أن هذه الطريقة تحسنت بشكل ملحوظ دقة كشف الظلال الأرضية باستخدام عدد قليل من التسميات فقط، وأن حدود الظلال الأرضية أصبحت أكثر نعومة ومنتظمة وأقرب إلى الواقع الأرضي الحقيقي.

كشف الظلال؛ التعلم الإشرافي الذاتي؛ تعزيز البيانات؛ افتراض الاتجاه المسبق للظلال؛ صور الاستشعار عن بعد عالية الدقة