Con una resolución óptica cada vez mayor de las imágenes de teledetección óptica, cómo extraer información de estas imágenes de manera eficiente y efectiva se ha convertido gradualmente en un problema desafiante. Dado que resulta prohibitivamente caro etiquetar manualmente cada objeto en estas imágenes de alta resolución, solo hay un pequeño número de imágenes de alta resolución con etiquetas detalladas de objetos disponibles, lo cual es altamente insuficiente para los algoritmos comunes de detección de objetos basados en aprendizaje automático.