页面加载中，请稍候
来源:今日光电发布时间:2023-02-103112浏览
询问 AI今日光电
(1)多类别图像分类
(2)细粒度图像分类
(3)多标签图像分类
(4)弱监督与无监督图像分类
(5)零样本图像分类
多类别图像分类在不同物种的层次上识别，往往具有较大的类间方差，而类内则具有较小的类内误差。
细粒度图像分类具有更加相似的外观和特征，导致数据间的类内差异较大，分类难度也更高。
实例级分类可以看做是一个识别问题，比如人脸识别。
(1)数据预处理 (2)图像特征 (3)分类模型
分为两种: 手工特征+分类器、从数据自动学习特征
(1) MNIST数据集:
发布于1998年，60000张图，10类，分布均匀，数据集中的”hello world”
在票据等图像中裁剪出数字，将其放在20 * 20像素的框中，并保持了长宽比率，然后放在28* 28的背景中。
(2) CIFAR10
MNIST的彩色增强版，60000张图片，大小32 * 32，10类，均匀分布，都是真实图片而不是手稿等，图中只有一个主体目标，可以有部分遮挡，但是必须可辨识。
(3) CIFAR100
更加细粒度的CIFAR10，共100类，被分成20个超类。
每小类包含600个图像，其中有500个训练图像和100个测试图像。每个图像都带有一个“精细”标签(它所属的类)和一个粗糙的标签(它所属的超类)
(4) PASCAL
来源于2005-2012的PASCAL Visual Object Classes(VOC项目)，20类，来源于图片社交网站flickr，总共9963张图，24640个标注目标。
2005年主要用于目标检测，从2007年开始引进了图像分割的标注和人体结构布局的标注，2010年开始引进了行为分类标注。
(5)ImageNet数据集
包含21841个类别，14197122张图片，百万标注框
(1)正负样本
计标签为正样本，分类为正样本的数目为True Positive，简称TP，标签为正样本，分类为负样本的数目为「False Negative」，简称FN，标签为负样本，分类为正样本的数目为「False Positive」，简称FP，标签为负样本，分类为负样本的数目为「True Negative」，简称TN。
(2)精确率、召回率、F1值
精度(查准率): 被判定为正样本的测试样本中，真正的正样本所占的比例
召回率(查全率): 被判定为正样本的正样本占全部正样本的比例
F1-score是综合考虑了精度与召回率，其值越大模型越好。
(3)PR曲线
精度与召回率是一对相互矛盾的指标，召回率增加，精度下降，曲线与坐标值面积越大，性能越好，对正负样本不均衡敏感。
(4)ROC曲线与AUC
横坐标(假阳率)FPR=FP/(FR+TN) 正类中实际负实例占所有负实例的比例。
纵坐标(正阳率) TPR=TP/(TP+FN) 正类中实际正实例占所有正实例的比例。
正负样本的分布变化，ROC曲线保持不变，对正负样本不均衡问题不敏感。
AUC(Area Under Curve): ROC曲线下的面积，表示随机挑选一个正样本以及一个负样本，分类器会对正样本给出的预测值高于负样本的概率。
(5)混淆矩阵
多矩阵分类模型各个类别之间的分类情况。
对于k分类问题，混淆矩阵为k*k的矩阵，元素Cij表示第i类样本被分类器判定为第j类的数量。
主对角线的元素之和为正确分类的样本数，其他位置元素之和为错误分类的样本数。对角线之和值越大，正确率越高。
混淆矩阵可以很清晰的反映出各类别之间的错分概率，越好的分类器对角线上的值更大。
(6)0-1损失
只看分类的对错，当标签与与类别相等时，loss为0，否则为1。
这个是真实的优化目标，但是无法求导和优化，只有理论意义。
(7)熵与交叉熵(cross entropy)
熵表示热力学系统的无序程序，在信息学中用于表示信息多少，不确定性越大，概率越低，则信息越多，熵越高。
熵是概率的单调递减的函数。
(8)KL散度
用于估计两个分布p和q的相似性
如果p是一个已知的分布(标签)，则-l(p,p)是一个常数，此时KL散度与交叉熵l(p,q)只有一个常数的差异。
KL散度的特性是大于等于0，当且仅当两个分布完全相同时等于0。
来源：新机器视觉
申明：感谢原创作者的辛勤付出。本号转载的文章均会在文中注明，若遇到版权问题请联系我们处理。
----与智者为伍为创新赋能----
投稿丨合作丨咨询联系邮箱：uestcwxd@126.com
QQ：493826566
新闻来源：今日光电，文中所述为作者独立观点，不代表icspec立场。更多精彩资讯请下载icspec App。如对本稿件有异议，请联系微信客服specltkj。
暂无评论哦，快来评论一下吧！
2026-07-08
2026-07-06
10 小时前