深度学习-图像分类
一、图像分类基础
（一）核心定义
图像分类是指将不同图像划分到对应类别标签，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）三层境界
- 通用多类别图像分类：针对常见且差异明显的大类图像进行分类，例如将图像分为飞机（airplane）、汽车（automobile）、鸟（bird）、猫（cat）、鹿（deer）、狗（dog）、青蛙（frog）、马（horse）、船（ship）、卡车（truck）等类别，各类别间特征区分度较高。
- 子类细粒度图像分类：聚焦同一大类下的不同子类，需区分更细微的特征差异。比如在 “汽车” 大类中，进一步区分不同品牌、型号的汽车，这类分类对图像细节特征的提取要求更高。
- 实例级图片分类：针对同一物体的不同实例进行分类，例如区分同一品牌、同一型号但不同个体的汽车，需要捕捉到每个实例独有的、极其细微的特征，分类难度最大。
二、图像分类评估指标
（一）基础概念：混淆矩阵
混淆矩阵是评估分类模型性能的基础工具，通过它可明确四类关键数据：
- 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。
- 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。
（二）核心评估指标
| 指标名称 | 定义 | 计算公式 | 核心意义 |
|---|---|---|---|
| 精确率（Accuracy） | 模型识别正确的样本个数占总样本个数的比例 | （TP + TN）/（TP + FP + TN + FN） | 衡量模型整体的分类准确性，适用于样本类别分布相对均衡的场景 |
| 准确率（Precision，查准率） | 模型预测为正类的样本中，真正为正类的样本所占比例 | TP /（TP + FP） | 关注预测为正类的样本质量，避免将过多反类误判为正类 |
| 召回率（Recall，查全率） | 模型正确识别出的正类样本数量占总正类样本数量的比值 | TP /（TP + FN） | 关注正类样本的覆盖程度，避免遗漏过多正类样本 |
| F1-Score | 精确率和召回率的调和平均数 | 2×(Precision×Recall)/(Precision + Recall) | 综合考虑精确率和召回率，当两者存在矛盾时，可平衡模型性能，避免单一指标的局限性 |
（三）P-R 曲线
- 曲线特征：P-R 曲线以召回率为横轴、精确率为纵轴。随着召回率的增加，精确率通常会下降，这是因为扩大正类样本的识别范围时，难免会引入更多反类样本。
- 模型评估标准：曲线与坐标轴围成的面积越大，说明模型在精确率和召回率的平衡上表现越好，整体性能更优。
- 局限性：对正负样本不均衡的情况较为敏感，在这类数据集中，P-R 曲线可能无法准确反映模型的真实性能。
（四）多类别分类评估：k×k 混淆矩阵
- 矩阵结构：对于 k 分类问题，混淆矩阵为 k 行 k 列的矩阵，其中元素 Cij 表示第 i 类样本被分类器判定为第 j 类的数量。
- 评估逻辑：矩阵主对角线的元素之和为正确分类的样本数，其余元素之和为错误分类的样本数。主对角线元素值越大，说明模型对对应类别的分类准确性越高，整体分类器准确率也越高。
三、模型基本概念
（一）网络的深度
- 定义：深度学习模型最重要的属性之一，指计算网络中最长路径的卷积层与全连接层数量之和。
- 示例：LeNet 网络的深度计算为 C1（卷积层）+ C3（卷积层）+ C5（卷积层）+ F6（全连接层）+ Output（全连接层），共 5 层。
（二）网络的宽度
- 定义：指网络中每一层的通道数，通常以卷积网络层的通道数来衡量。
- 示例：LeNet 网络中，C1 层的通道数为 6，C3 层的通道数为 16，这两个数值分别代表了对应卷积层的宽度。
四、图像分类中的问题与解决方案
（一）核心问题：样本量过少
- 问题成因：在部分场景中，样本获取难度较大，导致总体样本量过少，如工业产品缺陷图像（需特定缺陷场景，获取成本高）、医疗图像（受隐私保护、病例数量限制等影响），样本量不足会导致模型训练不充分，泛化能力差。
（二）解决方案
- 迁移学习
- 原理：利用在大规模通用数据集（如 ImageNet 数据集）上预训练好的模型，将其学习到的通用特征迁移到当前图像分类任务中。
- 优势：ImageNet 数据集包含海量多样的图像，预训练模型已掌握丰富的基础图像特征，可大幅加速当前模型的收敛速度，减少对当前任务样本量的依赖，提升模型性能。
- 数据增强
- 有监督方法：通过对已有样本进行人工干预的变换，生成新的训练样本，常见方式包括平移（将图像沿水平或垂直方向移动一定距离）、翻转（水平翻转或垂直翻转图像）、调整亮度 / 对比度（改变图像的亮度和色彩对比度）、裁剪（从图像中裁剪出部分区域作为新样本）、缩放（放大或缩小图像尺寸）等，这些方法不改变样本的类别标签，仅增加样本的多样性。
- 无监督方法：借助生成式模型（如 GAN 网络，生成对抗网络）自动生成符合当前任务需求的新样本，无需人工标注类别标签，然后将生成的样本用于模型训练，补充样本数量，提升模型的泛化能力。