图像分类基础：任务定义、常见数据集与评价指标
图像分类是计算机视觉中最基础、最核心的任务之一，也是TinyML端侧视觉应用（如智能门铃的人脸识别、工业质检的缺陷检测、农业领域的病虫害识别）的起点。在进入模型训练与部署之前，我们需要先厘清三个关键问题：图像分类到底在解决什么问题？用什么数据来训练和验证？如何科学地衡量模型的好坏？本章将围绕这三个问题展开，为后续的模型选型、量化压缩和端侧部署打下坚实的理论基础。
图像分类任务的定义与本质
图像分类（Image Classification）是指给定一张输入图像，由算法模型判断该图像所属的预定义类别标签。从数学角度看，这是一个从高维像素空间到离散标签空间的映射函数 f: R^(H×W×C) → {1, 2, ..., K}，其中 H、W 为图像高度和宽度，C 为通道数（灰度图为1，RGB彩色图为3），K 为类别总数。在TinyML场景中，输入图像通常经过预处理后直接送入轻量级神经网络（如MobileNet、TinyML专用网络），输出一个长度为K的概率向量，取最大值对应的索引作为预测类别。
图像分类的核心难点在于类内差异大、类间差异小。例如，区分不同品种的狗（类间差异小）比区分猫和狗（类内差异大）更具挑战性。传统方法依赖人工设计的特征（如HOG、SIFT），而深度学习方法通过卷积神经网络自动学习层次化特征——浅层提取边缘纹理，深层提取语义部件。在TinyML端侧，由于算力和内存受限，模型往往需要更小的输入分辨率（如96×96或128×128）和更浅的网络结构，这会导致特征表达能力下降，因此需要在模型设计时做出权衡。
常见数据集：MNIST与CIFAR-10
数据集是模型训练的“教材”。在TinyML图像分类入门阶段，最常用的两个数据集是MNIST和CIFAR-10，它们分别代表了不同难度和规模的基准测试。
| 属性 | MNIST | CIFAR-10 |
|---|---|---|
| 图像尺寸 | 28×28 灰度图 | 32×32 RGB彩色图 |
| 类别数 | 10（数字0-9） | 10（飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船、卡车） |
| 训练集/测试集 | 60,000 / 10,000 | 50,000 / 10,000 |
| 难度 | 低（灰度、背景简单） | 中等（彩色、物体姿态多样） |
| TinyML适配性 | 非常适合入门，可直接输入模型 | 需降采样或裁剪，对端侧模型有挑战 |
| 典型应用 | 手写数字识别、验证码识别 | 通用物体识别、场景理解 |
在TinyML实际项目中，我们很少直接使用完整数据集，而是采用子集采样或知识蒸馏策略。例如，从CIFAR-10中每类抽取500张训练图片（共5000张），模拟端侧数据量受限的场景。此外，还需要对图像进行预处理：MNIST通常归一化到[0,1]区间，CIFAR-10则常用均值/标准差标准化。在端侧部署时，这些预处理操作需要转换为C代码中的定点运算，以减少浮点计算开销。
评价指标：准确率与混淆矩阵
评价指标是衡量模型性能的“标尺”。在图像分类中，最直观的指标是准确率（Accuracy），即预测正确的样本数占总样本数的比例。然而，准确率在类别不均衡时会“失真”。例如，一个二分类问题中90%是负样本，模型全部预测为负样本也能获得90%的准确率，但这显然没有实际意义。因此，我们需要引入更细致的评价工具——混淆矩阵（Confusion Matrix）。
混淆矩阵是一个K×K的矩阵，行表示真实类别，列表示预测类别。矩阵元素 M[i][j] 表示真实类别为 i 但被预测为 j 的样本数。基于混淆矩阵，可以衍生出以下关键指标：
- 精确率（Precision）：预测为某类的样本中真正属于该类的比例，即 TP / (TP + FP)，衡量“查得准不准”。
- 召回率（Recall）：真实为该类的样本中被正确预测的比例，即 TP / (TP + FN)，衡量“查得全不全”。
- F1分数：精确率和召回率的调和平均数，即 2×P×R / (P + R)，综合衡量模型性能。
- 类别准确率（Per-class Accuracy）：每个类别单独计算的准确率，便于发现模型对哪些类别“偏科”。
在TinyML端侧部署中，除了上述分类指标，还需要关注工程指标：模型大小（KB）、RAM占用（KB）、单次推理时间（ms）、峰值功耗（mW）。这些指标直接影响模型能否在特定MCU上运行。例如，一个模型准确率高达98%，但模型大小超过Flash容量，就无法部署；或者推理延迟超过实时性要求，也无法应用。
案例拆解：MNIST手写数字识别的端侧评估
为了将上述概念串联起来，我们以一个具体的MNIST端侧部署案例进行拆解。假设我们要在STM32F407（Cortex-M4，192KB RAM，1MB Flash）上部署一个手写数字识别模型。
初始目标：在满足端侧资源约束的前提下，实现测试集准确率≥95%，单次推理延迟≤50ms。
关键输入数据：MNIST测试集10,000张图像；模型候选：LeNet-5简化版（参数量约6万）、MobileNetV1-0.25（输入48×48，参数量约4.7万）、自定义3层卷积网络（参数量约2万）。
分析判断过程：首先在PC端训练三个候选模型，记录其准确率和参数量。然后使用TFLite Micro框架进行量化（动态范围量化），评估量化后的模型大小和推理延迟。初步结果显示：LeNet-5准确率98.2%，但模型大小245KB，超过Flash预算；MobileNetV1-0.25准确率96.8%，模型大小180KB，RAM占用45KB，推理延迟38ms，满足约束；自定义网络准确率94.5%，模型大小90KB，但准确率不达标。
实际操作步骤：
- 对MobileNetV1-0.25进行8位整型量化，模型大小降至45KB，RAM占用28KB，推理延迟降至22ms。
- 在测试集上评估量化后模型，准确率降至95.9%，仍满足≥95%的目标。
- 进一步分析混淆矩阵，发现数字“4”和“9”的混淆率最高（约3.2%），因为这两个数字在28×28分辨率下形态相似。
- 针对该问题，在训练阶段对“4”和“9”的样本进行数据增强（随机旋转±10°、缩放0.9-1.1倍），重新训练后混淆率降至1.8%，整体准确率提升至96.4%。
结果对比：最终部署模型为量化后的MobileNetV1-0.25，模型大小45KB，RAM占用28KB，推理延迟22ms，准确率96.4%。相比初始LeNet-5方案，模型大小减少81%，延迟降低42%，准确率仅下降1.8个百分点。
风险与代价：量化过程引入了约0.9%的准确率损失；数据增强增加了训练时间约30%；部署时需处理定点运算与浮点运算的精度差异，调试耗时约2天。
复盘经验：在TinyML项目中，“先定约束，再选模型，最后调优”是高效路径。混淆矩阵是发现模型短板的利器，针对性地优化特定类别往往比盲目增加模型容量更有效。此外，量化感知训练（QAT）可以进一步减少量化损失，但会增加训练复杂度，适合对准确率要求较高的场景。
常见误区与总结复盘
在图像分类基础概念的学习和实践中，初学者常犯以下错误：
- 误区一：只关注准确率，忽略混淆矩阵。准确率只能给出整体水平，无法定位具体类别的问题。例如，在CIFAR-10中，模型可能对“猫”的识别准确率只有70%，但对“汽车”达到99%，整体准确率看似不错，实际应用时却频繁出错。
- 误区二：数据集划分不合理。训练集、验证集、测试集必须严格分离，且测试集不能参与任何训练决策。有些初学者反复使用测试集调参，导致“过拟合测试集”，模型在真实场景中表现不佳。
- 误区三：忽视类别不均衡问题。在自定义数据集中，某些类别样本极少，模型会倾向于预测多数类。此时应使用加权损失函数或过采样/欠采样技术，并重点关注少数类的召回率。
- 误区四：在端侧部署时直接使用浮点模型。大多数MCU不支持浮点运算或浮点运算极慢，必须进行量化。量化后的模型需要重新评估指标，不能直接沿用PC端的准确率。