La identificación y clasificación de objetos en imágenes aéreas son dos problemas significativos y complejos en la visión por computadora. La clasificación detallada de objetos en imágenes aéreas se ha vuelto común en diversas aplicaciones del mundo real, debido a los recientes avances en sistemas de imágenes satelitales y aéreas de alta resolución. La tarea es desafiante, particularmente en casos de bajos recursos, debido a las mínimas diferencias entre clases y las diferencias significativas dentro de cada clase causadas por la naturaleza detallada. Introducimos la Clasificación de Objetos para Análisis Detallado (COFGA), un conjunto de datos recientemente desarrollado para categorizar con precisión objetos en imágenes aéreas de alta resolución. El conjunto de datos COFGA comprende 2104 imágenes y 14,256 objetos anotados en 37 etiquetas distintas. Este conjunto de datos ofrece información espacial superior en comparación con otros conjuntos de datos disponibles públicamente. El Desafío MAFAT es una tarea que utiliza COFGA para mejorar los métodos de clasificación detallada. El modelo base logró un mAP de 0.6. Este costo fue de 60, mientras que el modelo más superior logró una puntuación de 0.6271 utilizando técnicas de ensamblaje de última generación y técnicas de preprocesamiento específicas. Ofrecemos soluciones para abordar las dificultades en el análisis de imágenes aéreas, particularmente cuando los datos de clase anotados y desbalanceados son escasos. Los hallazgos proporcionan valiosos conocimientos sobre la categorización detallada de objetos y tienen aplicaciones prácticas en la planificación urbana, la evaluación ambiental y la gestión agrícola. Discutimos las limitaciones y los posibles esfuerzos futuros, enfatizando específicamente el potencial de integrar modalidades suplementarias e información contextual en el análisis de imágenes aéreas.