第二章 图像分类基础：从传统到深度学习
图像分类，说白了就是让计算机看懂图片里「是什么」。比如你拍了一张猫的照片，模型告诉你「这是猫」。听起来简单，但背后涉及的特征提取、模式识别，我当年刚入行时也绕了不少弯路。
什么是图像分类？
图像分类的任务是：给定一张输入图像，模型输出它属于哪个预定义类别。比如一个分类器有「猫、狗、鸟」三个类别，输入一张猫图，输出就是「猫」。
嗯，这里要注意：分类不是「识别物体位置」，它只回答「是什么」，不回答「在哪里」。如果你想同时知道位置，那是目标检测的事，咱们后面章节会讲。
我在项目中遇到过最典型的场景：给电商平台做商品图片自动归类。用户上传一张鞋子照片，系统自动判断是「运动鞋」「皮鞋」还是「拖鞋」。这个看似简单的任务，传统方法做起来却非常吃力。
传统方法与深度学习对比
咱们先聊聊传统方法。我刚开始做图像分类时，用的还是SIFT特征加SVM分类器。流程大概是：
- 手工设计特征（颜色直方图、纹理、边缘等）
- 提取特征向量
- 训练分类器（SVM、随机森林等）
你想想看，手工设计特征有多痛苦？你要绞尽脑汁想「什么样的特征能区分猫和狗」。是耳朵形状？还是毛色分布？我当年调特征调了两个月，准确率死活卡在75%。
后来深度学习来了，一切都变了。卷积神经网络（CNN）自动学习特征，从像素到边缘、从边缘到纹理、从纹理到物体部件，层层抽象。我印象特别深，第一次用AlexNet跑自己的数据集，准确率直接跳到92%。
核心区别一句话总结：
- 传统方法：人告诉机器「看什么特征」
- 深度方法：机器自己学「该看什么特征」
我画了一张对比图，帮你直观理解两者的差异：
我的建议：如果你做移动端部署，数据量小于1000张，传统方法可能更稳。数据量上万，果断上深度学习。我踩过的坑就是——小数据集硬上CNN，结果过拟合得一塌糊涂。
图像分类的评估指标
模型训练好了，怎么知道它好不好？光看准确率可不够。我当年给客户做项目，准确率95%，客户很开心。结果一上线，发现模型把「黑色运动鞋」全识别成了「皮鞋」——因为训练集里黑色皮鞋太多了。
所以我们需要一套完整的评估指标。先理解几个基础概念：
| 预测\真实 | 正类（Positive） | 负类（Negative） |
|---|---|---|
| 预测为正类 | TP（真正例） | FP（假正例） |
| 预测为负类 | FN（假负例） | TN（真负例） |
举个例子：你要识别图片里有没有「猫」。一张图里有猫，模型说「有猫」→ TP。图里没猫，模型说「有猫」→ FP。图里有猫，模型说「没猫」→ FN。图里没猫，模型说「没猫」→ TN。
准确率（Accuracy）
准确率 = (TP + TN) / (TP + TN + FP + FN)
说白了就是「猜对的占总数的比例」。听起来很直观对吧？但这里有个大坑。
我曾经踩过的坑：做医疗图像分类，99%的图片是「正常」，1%是「病变」。模型什么都不做，全部预测「正常」，准确率99%！但这样的模型有什么用？
所以，数据不平衡时，准确率会骗人。
精确率（Precision）
精确率 = TP / (TP + FP)
它回答的问题是：「模型说『是』的时候，到底有多靠谱？」
我习惯这么理解：精确率高，意味着模型很少「误报」。比如垃圾邮件过滤，你肯定不希望把重要邮件误判成垃圾邮件，所以精确率要拉满。
召回率（Recall）
召回率 = TP / (TP + FN)
它回答的问题是：「真正的正类，模型找出来了多少？」
召回率高，意味着模型很少「漏报」。比如癌症筛查，宁可误报也不能漏掉一个病人。所以召回率是首要指标。
F1-Score
F1 = 2 × (Precision × Recall) / (Precision + Recall)
精确率和召回率往往互相矛盾——你追求精确率，召回率就会下降；反之亦然。F1-score是两者的调和平均，一个综合指标。
我个人的经验：做移动端部署时，F1-score比准确率更有参考价值。因为移动端数据往往分布不均，F1能更真实反映模型质量。
一句话记住四个指标：
- 准确率：整体猜对的概率
- 精确率：猜「是」的时候有多准
- 召回率：真正的「是」找出了多少
- F1-score：精确率和召回率的平衡点
举个实际例子。我做过一个项目：识别手机相册里的「美食照片」。训练集里美食占60%，其他占40%。模型A：准确率90%，精确率85%，召回率70%。模型B：准确率88%，精确率70%，召回率92%。
你会选哪个？
如果用户希望「不错过任何一张美食照」，选B（召回率高）。如果用户希望「推荐的美食照都是精品」，选A（精确率高）。没有的好坏，取决于业务场景。
嗯，这就是为什么我总说：评估指标不是数学题，是业务题。
好了，这一章的内容就到这里。记住：理解评估指标，比调参更重要。指标选错了，模型再强也是白搭。