La disponibilité accrue des images de télédétection à haute résolution a fait de la détection fine des objectifs dans les images de télédétection un domaine de recherche important dans les domaines de la télédétection et de la vision par ordinateur. Pour répondre aux problèmes d'utilisation insuffisante des données similaires, d'impact des étiquettes erronées sur la précision du modèle et de difficulté à distinguer des catégories similaires dans la détection fine des objectifs dans les images de télédétection, cet article propose une méthode de détection fine des objectifs basée sur une tête de classification double. Premièrement, pour résoudre le problème de l'utilisation inefficace des données similaires dans la détection fine des objectifs des images de télédétection, une tête de détection à double classification est proposée, où différentes têtes de classification sont entraînées sur différents ensembles de données, permettant à des données similaires avec différentes définitions de classes de participer à l'entraînement, améliorant ainsi efficacement l'utilisation des données similaires et augmentant considérablement la précision du modèle. Deuxièmement, pour traiter le problème du bruit dans les étiquettes d'entraînement, une méthode de filtrage des étiquettes erronées basée sur la prédiction est conçue pour réduire l'impact des étiquettes erronées sur l'entraînement du modèle. Enfin, pour faire face au problème de grandes différences intra-classes et de faibles différences inter-classes dans la détection fine des objectifs, une perte de type cross-entropie avec marge (Margin cross-entropy) est définie, augmentant la précision du modèle en élargissant les frontières de classification. Les expériences sur les jeux de données du concours de détection fine des cibles de télédétection et FAIR1M montrent que la méthode proposée améliore significativement la précision et la robustesse de la détection fine des objectifs dans les images de télédétection. Le code source est disponible en open source sur https://github.com/zf020114/DCH.

télédétection;apprentissage profond;détection fine des cibles;détection orientée des cibles;tête de classification double;filtrage des étiquettes erronées;perte de cross-entropie avec marge