作者：LSC 來源：投稿

編輯：學(xué)姐

基礎(chǔ)知識(shí)

1. 具體領(lǐng)域劃分

(1)多類別圖像分類

(2)細(xì)粒度圖像分類

(3)多標(biāo)簽圖像分類

(4)弱監(jiān)督與無監(jiān)督圖像分類

(5)零樣本圖像分類

2.圖像分類問題的3層境界

多類別圖像分類在不同物種的層次上識(shí)別，往往具有較大的類間方差，而類內(nèi)則具有較小的類內(nèi)誤差。

細(xì)粒度圖像分類具有更加相似的外觀和特征，導(dǎo)致數(shù)據(jù)間的類內(nèi)差異較大，分類難度也更高。

實(shí)例級(jí)分類可以看做是一個(gè)識(shí)別問題，比如人臉識(shí)別。

3.傳統(tǒng)圖像分類關(guān)鍵問題

(1)數(shù)據(jù)預(yù)處理 (2)圖像特征 (3)分類模型

分為兩種: 手工特征+分類器、從數(shù)據(jù)自動(dòng)學(xué)習(xí)特征

4. 常用的圖像分類數(shù)據(jù)集

(1) MNIST數(shù)據(jù)集: 發(fā)布于1998年，60000張圖，10類，分布均勻，數(shù)據(jù)集中的”hello world”

在票據(jù)等圖像中裁剪出數(shù)字，將其放在20*20像素的框中，并保持了長(zhǎng)寬比率，然后放在28*28的背景中。

(2) CIFAR10

MNIST的彩色增強(qiáng)版，60000張圖片，大小32*32，10類，均勻分布，都是真實(shí)圖片而不是手稿等，圖中只有一個(gè)主體目標(biāo)，可以有部分遮擋，但是必須可辨識(shí)。

(3) CIFAR100

更加細(xì)粒度的CIFAR10，共100類，被分成20個(gè)超類。

每小類包含600個(gè)圖像，其中有500個(gè)訓(xùn)練圖像和100個(gè)測(cè)試圖像。每個(gè)圖像都帶有一個(gè)“精細(xì)”標(biāo)簽(它所屬的類)和一個(gè)粗糙的標(biāo)簽(它所屬的超類)

(4) PASCAL

來源于2005-2012的PASCAL Visual Object Classes(VOC項(xiàng)目)，20類，來源于圖片社交網(wǎng)站flickr，總共9963張圖，24640個(gè)標(biāo)注目標(biāo)。

2005年主要用于目標(biāo)檢測(cè)，從2007年開始引進(jìn)了圖像分割的標(biāo)注和人體結(jié)構(gòu)布局的標(biāo)注，2010年開始引進(jìn)了行為分類標(biāo)注。

(5)ImageNet數(shù)據(jù)集

包含21841個(gè)類別，14197122張圖片，百萬標(biāo)注框

5 評(píng)估指標(biāo)

(1)正負(fù)樣本

計(jì)標(biāo)簽為正樣本，分類為正樣本的數(shù)目為True Positive，簡(jiǎn)稱TP，標(biāo)簽為正樣本，分類為負(fù)樣本的數(shù)目為False Negative，簡(jiǎn)稱FN，標(biāo)簽為負(fù)樣本，分類為正樣本的數(shù)目為False Positive，簡(jiǎn)稱FP，標(biāo)簽為負(fù)樣本，分類為負(fù)樣本的數(shù)目為True Negative，簡(jiǎn)稱TN。

(2)精確率、召回率、F1值

精度(查準(zhǔn)率):?被判定為正樣本的測(cè)試樣本中，真正的正樣本所占的比例

召回率(查全率):?被判定為正樣本的正樣本占全部正樣本的比例

F1-score是綜合考慮了精度與召回率，其值越大模型越好。

(3)PR曲線

精度與召回率是一對(duì)相互矛盾的指標(biāo)，召回率增加，精度下降，曲線與坐標(biāo)值面積越大，性能越好，對(duì)正負(fù)樣本不均衡敏感。

(4)ROC曲線與AUC

橫坐標(biāo)(假陽率)FPR=FP/(FR+TN) 正類中實(shí)際負(fù)實(shí)例占所有負(fù)實(shí)例的比例。

縱坐標(biāo)(正陽率) TPR=TP/(TP+FN) 正類中實(shí)際正實(shí)例占所有正實(shí)例的比例。

正負(fù)樣本的分布變化，ROC曲線保持不變，對(duì)正負(fù)樣本不均衡問題不敏感。

AUC(Area Under Curve):?ROC曲線下的面積，表示隨機(jī)挑選一個(gè)正樣本以及一個(gè)負(fù)樣本，分類器會(huì)對(duì)正樣本給出的預(yù)測(cè)值高于負(fù)樣本的概率。

(5)混淆矩陣

多矩陣分類模型各個(gè)類別之間的分類情況。

對(duì)于k分類問題，混淆矩陣為k*k的矩陣，元素Cij表示第i類樣本被分類器判定為第j類的數(shù)量。

主對(duì)角線的元素之和為正確分類的樣本數(shù)，其他位置元素之和為錯(cuò)誤分類的樣本數(shù)。對(duì)角線之和值越大，正確率越高。

混淆矩陣可以很清晰的反映出各類別之間的錯(cuò)分概率，越好的分類器對(duì)角線上的值更大。

(6)0-1損失

只看分類的對(duì)錯(cuò)，當(dāng)標(biāo)簽與與類別相等時(shí)，loss為0，否則為1。

這個(gè)是真實(shí)的優(yōu)化目標(biāo)，但是無法求導(dǎo)和優(yōu)化，只有理論意義。

(7)熵與交叉熵(cross entropy)

熵表示熱力學(xué)系統(tǒng)的無序程序，在信息學(xué)中用于表示信息多少，不確定性越大，概率越低，則信息越多，熵越高。

熵是概率的單調(diào)遞減的函數(shù)。

(8)KL散度

用于估計(jì)兩個(gè)分布p和q的相似性

如果p是一個(gè)已知的分布(標(biāo)簽)，則-l(p,p)是一個(gè)常數(shù)，此時(shí)KL散度與交叉熵l(p,q)只有一個(gè)常數(shù)的差異。

KL散度的特性是大于等于0，當(dāng)且僅當(dāng)兩個(gè)分布完全相同時(shí)等于0。