我的图片分类习路线

发表于 更新于 分类于 ， 阅读次数： 本文字数： 715 阅读时长 ≈ 1 分钟

本文总结自己目前对图片分类的认识，和学习过程

什么是图片分类

判断图像中包含物体的类别，如果期望判别多种物体则称为多目标分类

图片分类的原理

  1. 输入一张图片，经过 CNN 提取特征后，最后输出这张图在所有类别上的概率
  2. CNN提取特征之后通常是(BCHW)的输出，因为分类是全局结果，所以需要去掉HW，通常做法是全局池化，得到(BC),然后接Linear输出类别打分

CNN 网络设计原则

在 CNN 架构设计上，经常修改哪些指标去提升网络性能？

  • 网络的宽度 width：每层卷积的输出通道数
  • 网络的深度 depth：网络的层数
  • 网络的分辨率 resolution：输入图像的分辨率大小
  • 网络的增长率 growth：随着层数的增加，每层卷积输出通道数的增长比例
  • 网络的特征复用：如 DenseNet 可以使用更浅的网络，更少的参数，提升特征复用，达到与深度网络相当的性能
  • 高效特征融合：InceptionNet的split-transforms-merge模式，将输入分别使用不同的转换分支提取特征，然后将多个分支的结果进行合并实现特征融合
  • 上下文依赖：通过类似SENet的方式构建像素之间的上下文依赖

图片分类方法

  1. 基础 CNN：从深度、宽度探索 CNN 的特性
  2. 残差网络：卷积神经网络半边天，使得深层网络训练成为可能
  3. 轻量化网络：研究 CNN 部署到移动设备的可能
  4. 注意力机制：将空间注意力，时间注意力引入到CNN

评价指标

  1. 分类模型的评价指标，第一步是以图片为单位，以类别为横纵座标计算其结果的混淆矩阵，然后根据混淆矩阵求准确率、AP 值
  2. 准确率：等于混淆矩阵对角线位置值之和/图片数量
  3. AP 值：每设置一次分类打分阈值，求得一个混淆矩阵，然后计算得到类别的 AP 值，遍历所有阈值，计算得到所有类别 AP 值

学习路线