一、图像分类核心定义与三层境界
图像分类的核心目标是将不同图像划分到对应类别标签，以实现最小分类误差，具体可分为三层境界，难度与精度要求逐层提升：
• 通用多类别图像分类：最基础的分类层次，涵盖飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船、卡车等常见大类，聚焦于不同物种或物品的宏观类别区分。
• 子类细粒度图像分类：针对同一大类下的细分品类进行分类，例如在"狗"这一大类中区分不同品种，对图像特征的细微差异识别能力要求更高。
• 实例级图片分类：精度要求最高的层次，需识别单个具体实例，比如区分同一品种中不同个体的图像，常用于需要精准定位特定对象的场景。
二、图像分类关键评估指标
评估指标是判断模型性能的核心依据，围绕混淆矩阵衍生出多个关键指标，同时包含专门的性能曲线分析：
- 基础指标：混淆矩阵
混淆矩阵是评估的基础，包含四个核心元素：
• TP（真正例）：将正类预测为正类的样本数量；
• FP（假正例）：将反类预测为正类的样本数量；
• TN（真反例）：将反类预测为反类的样本数量；
• FN（假反例）：将正类预测为反类的样本数量。
对于k分类问题，混淆矩阵为k×k矩阵，元素Cij表示第i类样本被判定为第j类的数量，主对角线元素和为正确分类数，其余为错误分类数，对角线值越大，分类器准确率越高。
- 核心衍生指标
• 精确率（Accuracy）：最常用的性能指标，计算公式为"模型识别正确的个数/样本总个数"，直接反映模型整体精度，精度越高通常模型效果越好。
• 准确率（Precision，查准率）：聚焦正类预测的准确性，公式为"真正例数量/（真正例数量+假正例数量）"，表示模型识别为正类的样本中真正为正类的比例。
• 召回率（Recall，查全率）：关注正类样本的覆盖度，公式为"真正例数量/（真正例数量+假反例数量）"，体现模型正确识别所有正类样本的能力。
• F1_Score：综合准确率与召回率的调和平均数，可平衡两者矛盾，当准确率和召回率难以同时提升时，F1_Score能更全面地反映模型性能。
- P-R曲线分析
P-R曲线通过横轴（召回率）和纵轴（精度）的变化关系评估模型，具有三个关键特性：召回率增加时精度会下降；曲线与坐标轴围成的面积越大，模型性能越优；对正负样本不均衡情况敏感，样本分布差异会显著影响曲线形态。
三、模型基本概念：深度与宽度
模型的结构特征主要通过深度和宽度定义，以经典的LeNet网络为例：
• 网络深度：深度学习的核心属性，计算最长路径上卷积层与全连接层的总数量。LeNet网络包含C1、C3、C5（卷积层）和F6、Output（全连接层），共5层，深度直接影响模型对复杂特征的提取能力。
• 网络宽度：以卷积网络层的通道数衡量，代表每一层处理特征的维度。LeNet网络中，C1层有6个通道，C3层有16个通道，宽度越大，模型单次可提取的特征信息越丰富。
四、样本量过少问题及解决方案
在工业产品、医疗等领域，常因样本获取困难面临样本量过少的问题，导致模型训练效果不佳，主要有两种解决方案：
• 迁移学习：借助预训练模型提升训练效率，利用ImageNet等具有通用性的大型数据集进行预训练，让模型先学习通用图像特征，再针对目标任务微调，可大幅加速模型收敛，降低对目标任务样本量的依赖。
• 数据增强：通过技术手段扩充样本数量，分为有监督和无监督两种方法：
◦ 有监督方法：基于已有样本进行简单变换，包括平移、翻转、调整亮度、修改对比度、裁剪、缩放等，操作简单且能保留样本核心特征；
◦ 无监督方法：通过GAN（生成对抗网络）生成全新的、符合目标任务特征的样本，再用于模型训练，适用于样本极度稀缺的场景。