لقد أدت زيادة توافر صور الاستشعار عن بعد عالية الدقة إلى جعل الكشف الدقيق عن الأهداف في صور الاستشعار عن بعد مجالًا مهمًا للبحث في مجال الاستشعار عن بعد ورؤية الكمبيوتر. لمواجهة المشاكل الموجودة في الكشف الدقيق عن الأهداف في صور الاستشعار عن بعد، مثل الاستخدام غير الكافي للبيانات المتشابهة، وتأثير العلامات الخاطئة على دقة النموذج، وصعوبة التمييز بين الفئات المتشابهة، تقترح هذه الورقة طريقة للكشف الدقيق عن الأهداف في صور الاستشعار تعتمد على رأس تصنيف مزدوج. أولاً، لمشكلة عدم القدرة على استخدام البيانات المتشابهة بشكل فعال في الكشف الدقيق عن الأهداف في صور الاستشعار عن بعد، تم اقتراح رأس تصنيف مزدوج، حيث يتدرب كل رأس تصنيف على مجموعة بيانات مختلفة، مما يسمح بدمج البيانات المتشابهة ذات تعريفات الفئات المختلفة في التدريب، مما يؤدي إلى استخدام فعال للبيانات المتشابهة وتحسين دقة النموذج بشكل ملحوظ. ثانيًا، لمعالجة مشكلة ضجيج علامات التدريب، تم تصميم طريقة لتصفية العلامات الخاطئة بناءً على التنبؤات، مما يقلل من تأثير العلامات الخاطئة على تدريب النموذج. أخيرًا، لمشكلة التباين الكبير داخل فئة ما والتشابه الكبير بين الفئات في الكشف الدقيق عن الأهداف، تم تعريف خسارة تقاطع الهامش (Margin Cross-Entropy Loss) التي تعزز دقة النموذج من خلال توسيع حدود التصنيف. أظهرت التجارب على مجموعة بيانات مسابقة الكشف الدقيق عن أهداف الاستشعار عن بعد ومجموعة بيانات FAIR1M أن الطريقة المقترحة حسنت بشكل كبير دقة وصلابة الكشف الدقيق عن الأهداف في صور الاستشعار. الشيفرة المصدرية مفتوحة على https://github.com/zf020114/DCH.

الاستشعار عن بعد;التعلم العميق;الكشف الدقيق عن الأهداف;الكشف الهندسي عن الأهداف;رأس التصنيف المزدوج;تصفية العلامات الخاطئة;خسارة تقاطع الهامش