图像分类核心概念：从“看见”到“识别”的AI基础
在K210物体识别项目中，图像分类是最基础也最核心的任务。简单来说，图像分类就是让计算机像人一样“看懂”一张图片，并判断它属于哪个预先定义的类别。比如，一张照片里是猫还是狗，是苹果还是香蕉，是圆形零件还是方形零件。这个能力看似简单，却是后续目标检测、图像分割、人脸识别等高级视觉任务的地基。理解图像分类的核心概念，不仅有助于你正确使用MaixPy的现成API，更能帮助你在模型效果不佳时，找到问题根源并精准调优。
上图展示了图像分类的完整逻辑链路。从输入图片开始，经过特征提取器（卷积层）自动学习图像的纹理、边缘、形状等特征，再由分类器（全连接层+Softmax）将这些特征映射为每个类别的概率分数，最终输出概率最高的标签作为预测结果。而训练集和测试集则分别承担“学习”和“检验”的角色，标签与类别则是整个监督学习过程的“标准答案”。下面我们逐一深入拆解这些概念。
4.1 什么是图像分类：任务定义与本质
图像分类（Image Classification）是计算机视觉中最基本的任务之一。它的正式定义是：给定一张输入图像，模型需要从一组预定义的类别集合中，为该图像分配一个唯一的类别标签。例如，类别集合可以是{“苹果”，“香蕉”，“橙子”}，模型的任务就是判断输入图片属于其中哪一类。
从数学角度看，图像分类是一个函数映射问题：f: R^(H×W×C) → {1, 2, ..., K}，其中H、W、C分别代表图像的高度、宽度和通道数（灰度图为1，RGB图为3），K是类别总数。模型需要学习一个从像素空间到类别空间的映射函数。
在K210平台上，图像分类的输入通常来自摄像头采集的实时画面，经过缩放、裁剪等预处理后，送入训练好的模型进行推理。MaixPy提供了maix.nn模块，可以加载训练好的模型文件（如.kmodel格式），并返回每个类别的置信度分数。
4.2 分类器工作原理：从特征到决策
一个完整的图像分类器通常由两部分组成：特征提取器和分类头。在深度学习时代，这两部分通常是一个端到端的神经网络，但在概念上仍然可以清晰区分。
4.2.1 特征提取器：自动学习图像表示
传统方法依赖人工设计的特征（如HOG、SIFT），而深度学习模型通过卷积层自动学习层次化特征。浅层卷积核关注边缘、颜色块等低级特征；中层卷积核组合出纹理、局部形状；深层卷积核则能抽象出物体部件甚至完整物体的语义特征。在K210上运行的模型（如YOLOv2-tiny、MobileNet等）虽然参数量较小，但同样遵循这一层次化特征提取原理。
4.2.2 分类头：将特征映射为概率
特征提取器输出的特征图（Feature Map）经过全局池化或展平后，送入全连接层。最后一层全连接层的神经元数量等于类别数K，每个神经元的输出值经过Softmax函数归一化，转换为0到1之间的概率值，且所有类别概率之和为1。模型最终选择概率最大的类别作为预测结果。
| 组件 | 作用 | K210上的典型实现 |
|---|---|---|
| 输入层 | 接收预处理后的图像张量 | 224×224×3 或 96×96×3 |
| 卷积层 | 提取局部特征，参数共享 | 3×3或1×1卷积，ReLU激活 |
| 池化层 | 下采样，降低计算量 | 2×2最大池化 |
| 全连接层 | 整合全局特征 | 128或256维隐藏层 |
| 输出层 | 输出K个类别的logits | K个神经元，无激活 |
| Softmax | 将logits转为概率分布 | 在推理时由NN模块自动处理 |
在MaixPy中，当你调用classifier.predict(img)时，返回的结果是一个包含K个浮点数的列表，每个数代表对应类别的置信度。例如[0.02, 0.91, 0.07]表示第1类概率2%，第2类概率91%，第3类概率7%。
4.3 训练集与测试集：模型学习的“教材”与“考卷”
监督学习需要大量带标签的数据。这些数据被划分为训练集、验证集和测试集，各自承担不同角色。
4.3.1 训练集：模型学习的唯一来源
训练集（Training Set）是模型在训练过程中“看”到的数据。模型通过反向传播算法不断调整内部参数（权重和偏置），使得在训练集上的预测误差逐渐减小。训练集的质量和数量直接决定了模型能力的上限。如果训练集中猫的图片都是白色背景，模型可能学到“白色背景=猫”的错误关联，导致在复杂背景下识别失败。
4.3.2 测试集：检验泛化能力的标尺
测试集（Test Set）中的样本在训练过程中从未被模型看到。它的作用是评估模型对未见数据的泛化能力。一个在训练集上准确率99%、但在测试集上只有60%的模型，说明发生了严重的过拟合（Overfitting）——模型“死记硬背”了训练样本，而没有学到可泛化的规律。
4.3.3 数据划分比例与交叉验证
对于K210项目这类中小规模数据集，常见的划分比例是：训练集70%、验证集15%、测试集15%。如果数据量极少（例如每类只有几十张图片），可以采用K折交叉验证来更充分地利用数据。但要注意，交叉验证会增加训练时间，在资源受限的嵌入式开发中需权衡。
4.4 标签与类别：监督学习的“标准答案”
标签（Label）是附着在样本上的“正确答案”，类别（Class）是标签的语义定义。在K210项目中，类别通常由你在采集数据时自行定义。
4.4.1 类别定义与标签编码
假设你要识别三种水果：苹果、香蕉、橙子。那么类别集合为["apple", "banana", "orange"]。在训练时，标签通常编码为整数索引（0, 1, 2）或One-Hot向量（[1,0,0], [0,1,0], [0,0,1]）。MaixPy的模型训练工具（如MaixHub在线训练）会自动处理标签编码，你只需在采集数据时按文件夹名称区分类别即可。
4.4.2 标签质量决定模型上限
标签错误（Label Noise）是影响模型性能的隐形杀手。例如，在采集“猫”类图片时混入了几张狗的照片，模型就会学到错误的映射关系。在K210项目中，由于通常使用摄像头实时采集数据，很容易出现运动模糊、遮挡、光线变化导致的误标。建议在采集后人工筛选一遍，剔除明显错误的样本。
4.5 案例拆解：用K210识别垃圾分类
下面通过一个完整的案例，将上述概念串联起来。假设我们要做一个“可回收垃圾/不可回收垃圾”的二分类器。
4.5.1 项目背景与约束
目标是在K210开发板上实现实时垃圾分类提示。硬件为Sipeed Maix Bit开发板（K210芯片，6MB SRAM），摄像头为OV2640。约束条件：模型推理时间需小于200ms，内存占用小于5MB，类别仅两类。
4.5.2 数据采集与标注
我们使用MaixPy的maix.image模块采集图片。操作流程如下：
- 准备两类物品：塑料瓶（可回收）、用过的纸巾（不可回收）。
- 编写采集脚本，每0.5秒自动保存一帧，分别存入
datasets/recyclable/和datasets/non_recyclable/文件夹。 - 每类采集80张图片，覆盖不同角度、距离和光照条件。
- 人工检查，删除模糊、遮挡严重的图片，最终每类保留70张。
此时，类别定义为["recyclable", "non_recyclable"]，标签分别为0和1。
4.5.3 模型训练与测试
将数据集上传至MaixHub，选择“图像分类”任务，使用默认的MobileNetV2-YOLOv2模型结构（输入尺寸224×224）。平台自动将数据划分为训练集（112张）、验证集（14张）、测试集（14张）。训练50个epoch后，测试集准确率达到96.4%。
关键训练日志摘录：
Epoch 45/50, Train Acc: 98.2%, Val Acc: 95.7%
Epoch 46/50, Train Acc: 98.4%, Val Acc: 96.4%
Epoch 47/50, Train Acc: 98.1%, Val Acc: 95.0%
Epoch 48/50, Train Acc: 98.6%, Val Acc: 96.4%
Epoch 49/50, Train Acc: 98.3%, Val Acc: 95.7%
Epoch 50/50, Train Acc: 98.5%, Val Acc: 96.4%
Test Acc: 96.4%训练准确率（98.5%）与验证准确率（96.4%）差距不大，说明没有严重过拟合。测试集准确率与验证集一致，模型泛化能力良好。
4.5.4 部署与实测
将训练好的.kmodel文件烧录到K210开发板。编写推理脚本：
from maix import nn, camera, display
model = nn.load('/sd/model.kmodel')
classifier = nn.Classifier(model)
while True:
img = camera.capture()
result = classifier.predict(img)
print("Recyclable: {:.2f}, Non-recyclable: {:.2f}".format(result[0], result[1]))
# 在屏幕上显示结果
display.show(img)实测发现，在光线充足的室内，识别准确率约95%；但在逆光环境下，误判率上升至20%。分析原因是训练集中逆光样本较少。复盘后，我们补充了15张逆光条件下的图片重新训练，逆光场景准确率提升至90%。
4.5.5 风险与代价
本次案例的代价是数据采集耗时约2小时，训练时间约30分钟（云端GPU）。风险在于：如果初始数据量不足，模型可能欠拟合；如果类别定义不清晰（例如“可回收”包含多种材质），模型会混淆。经验是：先定义清晰的类别边界，再采集数据；训练后务必在真实场景中测试，而不是只看测试集指标。
4.6 常见误区与总结复盘
在图像分类的学习和实践中，以下误区最为常见：
- 误区一：类别越多越好。K210的算力有限，类别过多会导致单类样本不足，模型准确率急剧下降。建议从2-3类开始，验证流程跑通后再逐步增加。
- 误区二：忽略数据分布。如果训练集全是室内灯光下的图片，室外阳光下就会失效。采集数据时要刻意覆盖目标场景的各种变化。
- 误区三：混淆验证集和测试集。验证集用于训练过程中的调参，测试集只用于最终评估。如果反复用测试集调参，测试集就“污染”了，失去了评估意义。
- 误区四：只看准确率。在类别不平衡时（如90%可回收、10%不可回收），模型全预测“可回收”也能有90%准确率。此时应关注精确率、召回率、F1分数等指标。