图像识别技术与应用课后总结（10）

图像分类

将不同的图像，划分到不同的类别标签，实现最小的分类误差。

图像分类的三层境界

通用的多类别图像分类：将图像分为不同的大类，如飞机、汽车、鸟、猫等。这种分类相对宽泛，关注图像所属的主要类别。

子类细粒度图像分类：在大类的基础上进一步细分，例如区分不同种类的猫或鸟。这需要识别图像中更细微的特征差异。

实例级图片分类：识别图像中的具体实例，如特定的一只猫或某一个人。

图像分类评估指标之混淆矩阵

TP（True positive,真正例）——将正类预测为正类数。

FP（False postive,假正例）——将反类预测为正类数。

TN（True negative,真反例）——将反类预测为反类数。

FN（False negative,假反例）——将正类预测为反类数。

 图像分类评估指标

混淆矩阵：通过TP（真正例）、FP（假正例）、TN（真反例）、FN（假反例）这几个关键指标，构建混淆矩阵，清晰展示模型在各类别预测中的正误情况。

精确率（Accuracy）：是常用的分类性能指标，计算方式为模型识别正确的个数除以样本总个数，精确率越高，模型整体效果越好。

 

准确率（Precision）与召回率（Recall）：准确率表示模型识别为正类的样本中真正正类的比例；召回率是模型正确识别出的正类样本数占总正类样本数的比值。

F1_Score：综合考虑了准确率和召回率，是二者的调和平均数，能更全面地评估模型性能。

P - R曲线与ROC曲线：P - R曲线展示了召回率和精度之间的权衡关系，曲线下面积越大，模型性能越好，但对正负样本不均衡敏感；ROC曲线以FPR（假正例率）为横坐标，TPR（真正例率）为纵坐标，不受正负样本分布变化影响，对样本不均衡问题不敏感。

模型基本概念

网络的深度：指深度学习模型中最长路径的卷积层与全连接层数量之和，如LeNet网络深度为5层。网络深度影响模型对数据特征的提取能力，通常较深的网络能学习到更复杂的特征。

LeNet网络，C1+C3+C5+F6+Output共5层

网络的宽度：指每一个网络层的通道数，以卷积网络层计算，LeNet网络中C1层通道数为6，C3层为16。网络宽度影响模型的信息处理能力，较宽的网络可以并行处理更多信息。

样本量过少问题及解决方案

在图像分类中，样本获取困难会导致样本量极少，在工业产品检测和医疗影像分析等领域较为常见，影响模型训练效果和泛化能力。

解决方案：迁移学习利用在大规模通用数据集（如ImageNet）上预训练的模型，加速模型收敛，减少训练时间和样本需求；数据增强通过有监督（平移、翻转、调整亮度对比度等）和无监督（如GAN网络生成样本）的方法，扩充样本数量，提升模型鲁棒性。