10.2.1 图像分类路线图：图像输入、标签输出

图像分类回答一个问题：给定一整张图，它最像哪个类别？

先看分类闭环

分类是最简单的视觉输出，但它仍然依赖数据划分、增强、架构、loss、指标和错误样例。

跑一个预测检查

这个脚本模拟分类器最后一步：选择分数最高的标签。

labels = ["cat", "dog", "panda"]
scores = [0.12, 0.74, 0.14]

best_index = max(range(len(scores)), key=lambda index: scores[index])

print("prediction:", labels[best_index])
print("confidence:", scores[best_index])

预期输出：

prediction: dog
confidence: 0.74

真实项目里不要只展示 top class。保留 confidence、错误样例和混淆模式。

按这个顺序学

步骤	阅读	实操产出
1	数据增强	解释哪些变化保持类别，哪些变化会带来风险
2	现代架构	比较特征提取器、分类头和预训练 backbone
3	训练技巧	追踪划分、loss、accuracy、过拟合和错误样例

通过标准

如果你能运行一个最小分类器，展示训练/验证指标，并解释至少一张失败图片，就通过了本章。

检查思路与讲解

1. 合格答案要把任务映射到正确的视觉输出：类别标签、检测框、mask、OCR 文本、embedding 或视频事件。
2. 证据应包含渲染后的视觉产物，以及一个指标或定性错误说明。
3. 自检时要能指出一个视觉失败模式，例如类别混淆、漏检、mask 边界差、光照变化、领域偏移或标注质量弱。

留下的证据

学完这一页，至少保留这张证据卡：

数据集划分

训练/测试图像、类别名和类别平衡

预测

标签、置信度和至少一张分类错误的图像

指标

准确率、F1、混淆矩阵和类别级错误

失败检查

增强改变标签含义、类别不平衡、数据泄漏或过拟合

期望产出

模型结果表和保存的错误示例