La etiquetación de las sombras de los objetos en el suelo es costosa y difícil de cubrir de forma exhaustiva la información rica contenida en las imágenes de teledetección de alta resolución. La escasez de muestras de entrenamiento limita seriamente el rendimiento de los modelos de aprendizaje supervisado. Ante los problemas mencionados anteriormente, este artículo propone un método para la detección de sombras de objetos en el suelo en imágenes de teledetección de alta resolución basado en la información previa sobre la dirección de las sombras. Este método investiga la eficacia de la información previa sobre la dirección de las sombras para la expresión de las características semánticas avanzadas de las sombras de los objetos en el suelo en imágenes de teledetección, y construye una tarea auxiliar para la detección de sombras de los objetos en el suelo en imágenes de teledetección basada en esta información de dirección, logrando así un método de detección de sombras de objetos en el suelo en autoaprendizaje. Este artículo diseñó un mecanismo de procesamiento independiente del ruido de las variaciones de dirección y una estrategia de aumento de datos para la detección de sombras en autoaprendizaje, mejorando así la capacidad de las redes neuronales profundas para aprender las características clave de las sombras de los objetos en el suelo. Los resultados experimentales en el conjunto de datos AISD muestran que este método mejora significativamente la precisión de la detección de sombras de objetos en el suelo utilizando solo un pequeño número de etiquetas, y que los límites de las sombras de los objetos en el suelo son más suaves y regulares, más cercanos a la realidad en el terreno.

Detección de sombras; Autoaprendizaje supervisado; Aumento de datos; Información previa sobre la dirección de las sombras; Imágenes de teledetección de alta resolución