A percepção de cena e a classificação hierárquica de imagens infravermelhas são tecnologias-chave no reconhecimento de imagens, com grande importância para reconhecimento e orientação infravermelha. Para resolver eficientemente o problema da percepção de múltiplas cenas e da classificação hierárquica de múltiplos alvos em imagens infravermelhas, este artigo propõe um algoritmo de classificação de imagens infravermelhas multilabel baseado em aprendizado supervisonado fraco. A tecnologia de classificação multilabel de imagens é aplicada ao domínio de imagens frontais infravermelhas, realizando anotações com supervisão fraca no nível da imagem para imagens infravermelhas de múltiplas cenas, utilizando a rede backbone Resnet-50 para extração de características; um módulo de atenção residual espacial específico por classe CSRA é introduzido para capturar diferentes áreas espaciais ocupadas por diferentes categorias na imagem, melhorando o desempenho da representação das características das classes; uma função de perda avançada ASL é introduzida para resolver o problema do desequilíbrio na quantidade de etiquetas positivas e negativas na classificação multilabel, fazendo com que o treinamento foque mais nas amostras positivas e melhorando a precisão de detecção. Os resultados experimentais mostram que o algoritmo proposto tem melhor adaptabilidade e precisão para a classificação de imagens infravermelhas de múltiplas cenas e múltiplos alvos, com uma taxa de detecção do algoritmo superior a 90%, capaz de realizar bem a tarefa de classificação hierárquica de imagens infravermelhas.

aprendizado supervisonado fraco;classificação multilabel;imagens infravermelhas;percepção de cena