1.圖片分類的問題定義
圖片分類定義：給定圖片做輸入，輸出圖片中所包含的物體類別；
圖1
圖像分類分為兩種：single label （單分類）和multi label（多分類）；
左上圖片：single label and single instance（個體或實例）；
左下：single label and multi instance；
右上：multi label and multi instance；
右下：multi label and multi/single instance
一般的圖像分類以單分類為主。
圖2
2. 圖像分類的性能評判准則
怎么評判圖片分類的准確度呢？
Top1 Accuraccy：給定一張輸入照片image，給出一種預測prediction，判斷與實際的label是否一致，如果一致，就是分類預測正確；否則的話，分類預測錯誤；然后，統計一下預測正確和預測錯誤的比例，就可以得到Top1 Accuraccy；
Top5 Accuraccy：給定一張輸入照片image，給出5種預測prediction，只要其中有一個prediction，與實際的label一樣，就仍為分類預測正確；否則的話，仍為分類預測錯誤。最后，統計一下預測正確和預測錯誤的比例，就可以得到Top1 Accuraccy；
問題: 為什么針對單個single label，給出5種預測prediction？
因為ImageNet數據集有1000個類別，一般訓練集中，一張圖片只給定一個True Label；但是，從人的角度觀測這張圖片進行預測分類的話，一般可以有多個Label，可能一張圖像分類存在歧義（比如上圖2，右下圖 multi label and multi/single instance ）。
圖3
3. 經典數據集
MNIST數據集，single label的數據集，訓練集60000張，測試及10000張，類別數量10個（數字0-9），每張圖像是28*28*1大小的手寫體灰度圖；
Fashion-MNIST: 分類效果好，不清楚是算法有效(網絡訓練效果好)，還是MNIST這個問題很簡單呢？ 圖像大小仍是28*28*1的灰度圖；
CIFAR10/CIFAR100：彩色圖 32*32*3，類別之間嚴格無交叉；
ImageNet數據集相對上面，數量相對較大，Million級別；李飛飛教授提供的，深度學習所需訓練集的基礎。
4. 經典算法
2012年，Alxnet的出現，標志着深度學習的元年。
網絡輕量化：深度學習面臨在手機端/移動端等，計算能力不強場景下應用，較深的網絡難以在這種算力約束的情況下應用，故而網絡輕量化是一個很熱的話題，如MobileNet系列、ShuffleNet系列；
VGGNet：是比較經典的分類網絡；
Inception系列網絡：是從網絡的寬度角度優化；
ResNet/DenseNet:是從網絡的深度角度優化；
SENet是另辟蹊徑，從其他的角度考慮優化。
注：每一篇網絡的論文都推薦去讀一下，它們是后續深度學習訓練的基石。
5. 性能對比
ImageNet 10M（千萬級別）非常大的數據集；
ILSVRC: 是基於ImageNet數據集的提出的一個挑戰賽。ImageNet Large Scale Vision Recognition Challenge，大致包含幾個分類： 圖像分類（image classification 1000個類別，128萬數據集照片）、物體檢測（Object location）、物體定位（Object detection）和視頻物體檢測（video object detection） 等。
AlexNet：2012年的AlexNet在ImageNet上，圖像分類提高了>10%的百分點；
ResNet： 2015年 的ResNet，圖像分類的准確度已經超過了人類的分類水平；
圖5
6. 圖像分類與定位
圖像分類： 輸入image，給定5個預測的分類結果（class prediction），其中有一個prediction與對應的label一致，就仍為分類正確；
圖像分類與定位：輸入image，給定5對prediction，每對包含（class， box）；class 是整個圖片的類別；第一，分類正確；第二，該分類正確的類別對應的box與真實標簽box的IOU大於0.5；才認為圖像分類與定位正確。
物體檢測：給定image，給出N對prediction，每對包含（class， box）；該class是值框內的物體類別；物體檢測是：輸出圖像中每個物體對應的類別與box，並且每個物體分類正確，且box與真實標簽box的IOU大於某一閾值。才認為物件檢測正確。
圖 6
7. 圖片分類的粒度
1. 粗粒度圖片分類
類比跨種族，分類類別屬於差別較大的種族，比如，飛機與鳥、飛機與車等，特點：類間差異大，類內差異小；常見的如：MNIST/ImageNet/CIFAR10/CIFAR100等，都屬於粗粒度圖片分類。
2. 細粒度圖片分類
大的類別之間，差異很小的，比如：啄木鳥與鸚鵡，類間差異小，類內差異大（比如：每個類之間有不同的姿態）；
3. 實例級圖片分類
同一種族，不同個體，要把他們分開，比如：人臉識別，本質上人臉識別仍然屬於圖片分類。
