基于弱监督学习的多标签红外图像分类算法
Optics and Precision Engineering(2022)
Abstract
红外图像的场景感知与分类分级是图像识别的一项关键技术,对于红外侦察与制导具有重要意义.为有效解决红外图像多场景多目标的场景感知及分类分级的问题,本文提出一种基于弱监督学习的多标签红外图像分类算法.将多标签图像分类技术应用于红外前视图像领域,针对多场景的红外图像进行弱监督的图像级标注,使用主干网络Resnet-50对图像进行特征提取;引入类特定的空间残差注意力模块CSRA以捕捉图像中不同类别所占据的不同空间区域,提高类别特征的表达性能;引入先进的损失函数ASL以解决多标签分类中正负标签数量失衡问题,使训练过程中更多地关注阳性样本,提高检测准确率.试验结果表明,本文算法对于多场景多目标的红外图像分类具有更好的适应性和准确率,算法检测率可达90%以上,能够很好地完成红外图像分类分级任务.
MoreKey words
image classification,multi-label
AI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined