적외선 영상의 장면 인지 및 분류 등급화는 영상 인식의 핵심 기술로서 적외선 정찰 및 유도에 중요한 의미를 갖는다. 다양한 장면과 다중 목표가 포함된 적외선 영상의 장면 인지 및 분류 등급화 문제를 효과적으로 해결하기 위해 본 논문에서는 약한 감독 학습 기반 다중 라벨 적외선 영상 분류 알고리즘을 제안한다. 다중 라벨 영상 분류 기술을 적외선 전방 영상 분야에 적용하였으며, 다중 장면 적외선 영상에 대해 약한 감독의 영상 수준 주석을 수행하고, 주된 네트워크인 Resnet-50을 사용하여 영상의 특징을 추출한다; 클래스별 공간 잔여 주의 모듈 CSRA를 도입하여 영상 내 서로 다른 클래스가 차지하는 서로 다른 공간 영역을 포착하여 클래스 특징 표현 성능을 향상시킨다; 다중 라벨 분류에서 양성 및 음성 라벨 수 불균형 문제를 해결하기 위해 선진 손실 함수 ASL을 도입하여 훈련 과정에서 양성 샘플에 더 집중하여 탐지 정확도를 향상시킨다. 실험 결과 본 알고리즘은 다중 장면 다중 목표 적외선 영상 분류에 대해 더 나은 적응성과 정확도를 보이며, 알고리즘 탐지율은 90% 이상에 달해 적외선 영상 분류 및 등급화 작업을 잘 수행할 수 있음을 보여준다.

약한 감독 학습;다중 라벨 분류;적외선 영상;장면 인지