深度学习之图像分类笔记
一、图像分类核心定义
图像分类是将不同图像划分到对应类别标签的任务，核心目标是实现最小分类误差，即让模型对图像类别的判断尽可能准确。
二、图像分类的三层境界
图像分类根据分类粒度和任务目标，可分为三个层次，难度与精细度逐层提升：
通用多类别图像分类面向通用性、差异明显的类别划分，典型案例为包含 10 类常见物体的分类任务，类别包括：airplane（飞机）、automobile（汽车）、bird（鸟类）、cat（猫）、deer（鹿）、dog（狗）、frog（青蛙）、horse（马）、ship（船）、truck（卡车）。
子类细粒度图像分类针对同一大类下的细分子类进行区分，需捕捉更细微的特征差异（例如：同属 “鸟类” 下的不同物种、同属 “汽车” 下的不同车型）。
实例级图片分类对同一物体的不同实例进行识别（例如：同一款手机的不同个体、同一人不同角度的照片），要求模型区分个体间的独特特征。
三、图像分类核心评估指标
评估指标用于衡量模型分类性能，核心指标围绕 “混淆矩阵” 展开，具体包括以下几类：
1. 混淆矩阵基础概念
混淆矩阵是评估二分类模型的基础工具，通过 4 个核心指标描述分类结果：
- TP（True Positive，真正例）：将正类样本正确预测为正类的数量。
- FP（False Positive，假正例）：将反类样本错误预测为正类的数量（误判）。
- TN（True Negative，真反例）：将反类样本正确预测为反类的数量。
- FN（False Negative，假反例）：将正类样本错误预测为反类的数量（漏判）。
2. 核心单指标
| 指标名称 | 定义 | 公式（基于二分类） | 核心意义 |
|---|---|---|---|
| 精确率（Accuracy） | 模型识别正确的样本数占总样本数的比例，是最常用的基础精度指标。 | Accuracy = (TP + TN) / (TP + FP + TN + FN) | 整体分类准确性 |
| 准确率（Precision） | 模型预测为正类的样本中，真正为正类的比例（“查准”）。 | Precision = TP / (TP + FP) | 减少 “误判”，保证正类纯度 |
| 召回率（Recall） | 模型正确识别的正类样本占所有真实正类样本的比例（“查全”）。 | Recall = TP / (TP + FN) | 减少 “漏判”，覆盖更多正类 |
| F1-Score | 精确率与召回率的调和平均数，平衡两者矛盾，避免单一指标偏差。 | F1 = 2×(Precision×Recall) / (Precision + Recall) | 综合衡量模型性能 |
3. P-R 曲线（精确率 - 召回率曲线）
- 核心特点：召回率增加时，精确率通常会下降（两者存在 trade-off）。
- 评价标准：曲线与坐标轴围成的面积越大，模型综合性能越好。
- 局限性：对正负样本不均衡的数据敏感，易出现偏差。
4. 多类别分类的评估（k 分类问题）
- 多类别混淆矩阵：为 k×k 矩阵，其中元素 Cij 表示 “第 i 类真实样本被预测为第 j 类” 的数量。
- 核心判断：
- 主对角线元素之和 = 正确分类的样本总数；
- 非主对角线元素之和 = 错误分类的样本总数；
- 主对角线元素值越大，模型对对应类别的分类准确率越高，整体性能越好。
四、深度学习模型基本概念（以卷积神经网络为例）
1. 网络的深度
- 定义：深度学习的核心属性，指模型中最长路径的卷积层 + 全连接层数量（仅统计有效计算层，不含池化层等非参数层）。
- 实例：LeNet 网络的深度为 5 层，具体构成：C1（卷积层 1）+ C3（卷积层 3）+ C5（卷积层 5）+ F6（全连接层 6）+ Output（输出层）。
2. 网络的宽度
- 定义：指网络中每一层的通道数，主要针对卷积层（通道数决定该层提取的特征维度）。
- 实例：LeNet 网络的宽度：C1 层通道数为 6，C3 层通道数为 16。
五、图像分类中的关键问题：样本量过少及解决方案
1. 样本量过少的原因
核心原因是样本获取难度大，典型场景包括：
- 工业产品：特殊工业部件、缺陷样本等，采集成本高、数量有限；
- 医疗领域：稀有病例图像、医学影像（如 CT、MRI）等，受伦理和病例数量限制。
2. 解决方案
方案 1：迁移学习
- 核心思路：利用 “预训练模型” 的已有特征提取能力，避免从零开始训练（减少对小样本的依赖）。
- 关键依据：ImageNet 数据集包含海量通用图像，基于该数据集预训练的模型已具备强大的通用特征提取能力，可加速目标任务的模型收敛，提升小样本场景下的性能。
方案 2：数据增强
通过人工手段扩充样本数量，分为有监督和无监督两类方法：
- 有监督方法：基于原始样本进行规则化变换（不改变样本类别标签），常见手段包括：平移、翻转（水平 / 垂直）、调整亮度 / 对比度、随机裁剪、缩放等；
- 无监督方法：通过生成模型创造新样本，典型技术为GAN（生成对抗网络），可生成与真实样本分布一致的新样本，补充训练数据。