El aumento significativo en la disponibilidad de imágenes de teledetección de alta resolución ha convertido la detección precisa de objetivos en imágenes de teledetección en una dirección de investigación importante en teledetección y visión por computadora. Para abordar los problemas de uso insuficiente de datos similares, el impacto de las etiquetas erróneas en la precisión del modelo y la dificultad para distinguir clases similares en la detección precisa de objetivos en imágenes de teledetección, este artículo propone un método de detección fina de objetivos basado en una cabeza de clasificación doble. Primero, para el problema de la incapacidad de utilizar efectivamente datos similares en la detección fina de objetivos en imágenes de teledetección, se propone una cabeza de clasificación doble, donde diferentes cabezas se entrenan en diferentes conjuntos de datos, lo que permite que datos similares con diferentes definiciones de clase participen conjuntamente en el entrenamiento, utilizando efectivamente los datos similares y mejorando significativamente la precisión del modelo. En segundo lugar, para el problema del ruido en las etiquetas de entrenamiento, se diseña un método de filtrado de etiquetas erróneas basado en predicciones, que reduce el impacto de las etiquetas erróneas en el entrenamiento del modelo. Finalmente, para el problema de la gran diversidad intra-clase y la pequeña diversidad inter-clase en la detección fina de objetivos, se define una pérdida de entropía cruzada con margen (Margin Cross-Entropy), que mejora la precisión del modelo al ampliar el margen de clasificación. Los experimentos en el conjunto de datos de la competencia de detección fina de objetivos de teledetección y en el conjunto FAIR1M demuestran que el método propuesto mejora significativamente la precisión y robustez de la detección fina de objetivos en imágenes de teledetección. El código está disponible en código abierto en https://github.com/zf020114/DCH.

teledetección;aprendizaje profundo;detección fina de objetivos;detección dirigida de objetivos;cabeza de clasificación doble;filtrado de etiquetas erróneas;pérdida Margin Cross-Entropy