Python 全栈体系【四阶】（三十三）

第五章 深度学习

六、PaddlePaddle 图像分类

1. 概述

1.1 什么是图像分类

图像分类就是将不同的图像划分到不同类别，实现最小分类误差、最高精度。手写体识别就是一个经典的图像分类问题，它将输入图像分为 0~9 某个数字中，实际就是将输入图像分为 10 类。

1.2 图像分类粒度

（一）跨物种级图像分类：在不同物种层次上识别不同对象，如猫狗分类

（二）子类细粒度图像分类：同一大类下，不同子类的分类。如不同的鸟分类，不同的狗分类

（三）实例级图像分类：区分不同的个体。如人脸识别

1.3 图像分类发展历程

图像分类任务从传统的方法到基于深度学习的方法，经历了几十年的发展

1.4 图像分类问题的挑战

虽然图像分类大赛正确率已经接近极限，但在实际工程应用中，面临诸多挑战与难题：

• 类别不均衡
• 数据集小
• 巨大的类内差异
• 实际应用复杂情况：光照、遮挡、模糊、角度变化、干扰

2. 常用数据集介绍

2.1 MNIST 数据集

手写数字的数据集，来自美国国家标准与技术研究所（National Institute of Standards and Technology，NIST），发布与 1998 年

样本来自 250 个不同人的手写数字，50%高中学生，50%是人口普查局的工作人员

数字从 0 ～ 9，图片大小是 28×28 像素，训练数据集包含 60000 个样本，测试数据集包含 10000 个样本

下载地址：

• http://yann.lecun.com/exdb/mnist/

2.2 CIFAR10 数据集

CIFAR10 数据集由 Alex Krizhevsky、Vinod Nair 和 Geoffrey Hinton 等人收集

包含 6 万张彩色图像，图像大小是 32×32，共有 10 个类，每类有 6000 张图。其中，5 万张图组成训练集合，训练集合中的每一类均等，都有 5000 张图；

剩余 1 万张图作为测试集合，测试集合中的每一类也均等，各有 1000 张图

10 个类别是：airplane、automobile、bird、cat、deer、dog、frog、horse、ship 和 truck

下载地址：

• http://www.cs.toronto.edu/~kriz/cifar.html

2.3 ImageNet 数据集

ImageNet 数据集由李飞飞实验室发布于 2009 年

1400 多万幅图片，涵盖 2 万多个类别的标注与超过百万的边界框标注，每一个类别大约有 500 ～ 1000 张图片

ImageNet 竞赛使用的是 ImageNet 完整数据集的一个子类，包括 1000 类，其中大部分是动物。在深度学习任务中，我们经常会使用 ImageNet 预训练的模型

下载地址：

• http://www.image-net.org/

2.4 FDDB 人脸数据集

发布于 2010 年，是被广泛用于人脸检测方法评测的一个数据集

共 2845 张图像，包含有 5171 张人脸图像，大部是自然条件下拍摄的名人

下载地址：

• http://vis-www.cs.umass.edu/fddb/index.html#download
  

2.5 WIDER Face 数据集

2015 年由香港中文大学发布

32203 张图像，共有 393703 张人脸图像，比 FDDB 数据集大 10 倍，而且在面部的尺寸、姿势、遮挡、表情、妆容和光照上都有很大的变化，自发布后广泛应用于评估性能比传统方法更强大的卷积神经网络

下载地址：

• http://mmlab.ie.cuhk.edu.hk/projects/WIDERFace/

3. 图像分类的应用

交通违章识别

安检系统

人脸识别

生物种群数量统计

工业质检

工地安全监测

病虫害识别

医疗诊断