[发明专利]红外图像标注方法、装置、计算机设备和存储介质

权利要求书

1.一种红外图像标注方法，其特征在于，所述方法包括：

获取已标注的源域红外图像集和待标注的目标域红外图像，对所述源域红外图像集和所述目标域设备红外图像进行相关性分析，确定所述源域红外图像集与所述目标域红外图像的共同特征子空间；

根据所述共同特征子空间确定所述源域红外图像集中各图像组对应的初始标注权重；

根据各图像组的组分类模型与各图像组对应的初始标注权重，构建初始分类模型；

根据所述源域红外图像集对所述初始分类模型进行优化，得到目标分类模型，并根据所述目标分类模型对所述目标域红外图像进行标注。

2.根据权利要求1所述的方法，其特征在于，所述根据所述共同特征子空间确定所述源域红外图像集中各图像组对应的初始标注权重包括：

根据所述共同特征子空间确定所述源域红外图像集与所述目标域红外图像之间的相似度；

对所述相似度进行归一化处理，得到所述源域红外图像集中各图像组对应的初始标注权重。

3.根据权利要求1所述的方法，其特征在于，所述根据各图像组的组分类模型与各图像组对应的初始标注权重，构建初始分类模型包括：

获取各图像组的组分类模型；

根据各图像组对应的初始标注权重，对多个图像组的组分类模型进行整合，得到初始分类模型。

4.根据权利要求3所述的方法，其特征在于，所述根据各图像组对应的初始标注权重，对多个图像组的组分类模型进行整合，得到初始分类模型包括：

f_s(x)＝∑_g∈Gα_gf_s^g(x)

其中，f_s(x)表示初始分类模型，α_g表示第g组图像组对应的初始标注权重，f_s^g(x)表示第g组图像组的组分类模型，G表示源域红外图像集中图像组的总组数。

5.根据权利要求1所述的方法，其特征在于，所述初始分类模型以标注误差最小为目标函数；

所述根据所述源域红外图像集对所述初始分类模型进行优化，得到目标分类模型包括：

根据所述初始分类模型对所述源域红外图像集进行特征提取，得到源域红外图像集对应的图像类别；

调用所述初始分类模型的目标函数，根据源域红外图像集对应的图像类别和源域红外图像集的已标注标签数据，确定所述初始分类模型的多个分类损失值；

根据多个分类损失值对所述初始分类模型进行迭代训练，直至所述目标函数的标注误差最小，得到目标分类模型；其中，所述标注误差是根据多个分类损失值和所述目标函数的复杂度确定的。

6.根据权利要求5所述的方法，其特征在于，所述分类损失值包括第一分类损失值、第二分类损失值和第三分类损失值；

所述调用所述初始分类模型的目标函数，根据源域红外图像集对应的图像类别和源域红外图像集的已标注标签数据，确定所述初始分类模型的多个分类损失值包括：

调用所述初始分类模型的目标函数，根据源域红外图像集中各图像组的图像类别和各图像组的已标注标签数据，确定所述初始分类模型的第一分类损失值；

调用所述初始分类模型的目标函数，根据各图像组的图像类别确定所述初始分类模型的第二分类损失值；

调用所述初始分类模型的目标函数，根据各图像组对应的初始标注权重和各图像组中多个红外图像对应的图像类别，确定所述初始分类模型的第三分类损失值。