La mayor disponibilidad de imágenes de teledetección de alta resolución ha convertido la detección fina de objetivos en imágenes de teledetección en una dirección de investigación importante en los campos de la teledetección y la visión por computadora. Para abordar los problemas de uso insuficiente de datos similares, la influencia de etiquetas erróneas en la precisión del modelo y la dificultad para distinguir categorías similares en la detección fina 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 resolver el problema de la incapacidad para utilizar efectivamente datos similares en la detección fina de objetivos en imágenes de teledetección, se propone una cabeza de detección de doble clasificación, donde diferentes cabezas de clasificación se entrenan con diferentes conjuntos de datos, lo que permite que los datos similares con definiciones de clase diferentes participen en el entrenamiento, aprovechando efectivamente los datos similares y mejorando significativamente la precisión del modelo. En segundo lugar, para abordar el problema del ruido en las etiquetas de entrenamiento, se diseñó un método de filtrado de etiquetas erróneas basado en predicciones para reducir el impacto de las etiquetas incorrectas en el entrenamiento del modelo. Finalmente, para abordar el problema de grandes diferencias intra-clase y pequeñas diferencias inter-clase en la detección fina de objetivos, se definió una pérdida de entropía cruzada con margen, que mejora la precisión del modelo al aumentar el margen de clasificación. Los experimentos en conjuntos de datos de la competencia de detección fina de objetivos de teledetección y 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 de entropía cruzada con margen