[发明专利]红外图像标注方法、装置、计算机设备和存储介质

说明书

本申请涉及一种红外图像标注方法、装置、计算机设备和存储介质。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。采用本方法能够提高红外图像的标注准确性。

技术领域

本申请涉及计算机技术领域，特别是涉及一种红外图像标注方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

红外图像中的目标识别算法需要对大量的红外图像样本进行标注，以提高目标识别的准确性。

传统技术中，是通过人工标注的方法对未标注图像样本进行标注，然而人工标注的标注准确性较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高红外图像标注准确性的红外图像标注方法、装置、计算机设备、存储介质和计算机程序产品。

第一方面，本申请提供了一种红外图像标注方法。该方法包括：

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，对源域红外图像集和目标域设备红外图像进行相关性分析，确定源域红外图像集与目标域红外图像的共同特征子空间；

根据共同特征子空间确定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；

根据源域红外图像集对初始分类模型进行优化，得到目标分类模型，并根据目标分类模型对目标域红外图像进行标注。

在其中一个实施例中，根据共同特征子空间确定源域红外图像集中各图像组对应的初始标注权重包括：

根据共同特征子空间确定源域红外图像集与目标域红外图像之间的相似度；

对相似度进行归一化处理，得到源域红外图像集中各图像组对应的初始标注权重。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，初始分类模型以标注误差最小为目标函数；

根据源域红外图像集对初始分类模型进行优化，得到目标分类模型包括：

根据初始分类模型对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，确定初始分类模型的多个分类损失值；