项目：图像分类系统
本节定位
图像分类很适合作为第一个视觉项目，不是因为它最简单，而是因为它最容易把完整工程链路讲清楚：
- 类别怎么定
- 数据怎么组织
- baseline 怎么做
- 指标怎么看
- 错误怎么分析
这一节的目标不是做一个“能跑的模型”，而是做一个能讲清楚的项目。
学习目标
- 学会定义一个适合作品集展示的图像分类题目
- 学会把数据、baseline、评估和错误分析串成闭环
- 学会用最小可运行示例表达项目结构
- 理解图像分类项目里最值得展示的是什么
一、先别急着选模型，先把项目题目选对
1.1 一个适合练手的题目通常有三个特征
- 类别边界清楚
例如猫 / 狗 / 鸟、苹果叶片病害分类、垃圾分类 - 数据能拿到
不要一开始就选你根本没法收集样本的题目 - 错误能解释
分错后你能说出可能原因，而不 是只剩“模型不行”
1.2 一个很稳的项目题目
例如：
做一个“宠物照片分类器”，把图片分成
cat / dog / rabbit三类。
它的优点是：
- 类别直观
- 数据相对容易收集
- 很适合做 confusion matrix 和错误样例分析
1.3 不建议一开始就做的题目
例如：
- 上百类细粒度分类
- 类别边界极其模糊
- 数据严重不平衡但你还没准备好处理
二、项目最小闭环长什么样？
一个最小但完整的图像分类项目，通常至少应包含：
- 题目与标签定义
- 数据集组织与划分
- baseline
- 训练与验证
- 评估与错误分析
- 演示方式
如果这 6 件事都说清了，即使模型不复杂，项目也会很有说服力。
三、先看一个最小项目规划对象
from dataclasses import dataclass, field
@dataclass
class CVProjectPlan:
name: str
classes: list
dataset_split: dict
baseline: str
metrics: list
risks: list = field(default_factory=list)
plan = CVProjectPlan(
name="pet_image_classifier",
classes=["cat", "dog", "rabbit"],
dataset_split={"train": 900, "val": 180, "test": 180},
baseline="small_cnn",
metrics=["accuracy", "confusion_matrix", "error_cases"],
risks=["类别不平衡", "背景泄漏", "标签噪声"],
)
print(plan)
3.1 这个对象为什么重要？
因为项目一开始最容易缺的，不是代码，而是边界。
这个最小对象逼你先说明：
- 在做什么
- 有哪些类别
- 用什么 baseline
- 用什么指标判断成败
四、先用一个“伪特征”基线理解项目评估
为了不引入额外依赖，我们用一个很小的 toy baseline 来模拟图像分类项目的验证流程。
这里假设每张图片已经有三个非常粗糙的统计特征：
furear_shapesize
当然真实项目不会这么做，但它非常适合帮助你看懂：
- 训练集
- 类别原型
- 预测
- confusion matrix
这条链。
train_data = [
("cat", [0.9, 0.8, 0.4]),
("cat", [0.8, 0.7, 0.5]),
("dog", [0.7, 0.5, 0.8]),
("dog", [0.6, 0.4, 0.9]),
("rabbit", [0.5, 0.9, 0.3]),
("rabbit", [0.4, 0.8, 0.2]),
]
test_data = [
("cat", [0.85, 0.75, 0.45]),
("dog", [0.65, 0.45, 0.85]),
("rabbit", [0.45, 0.85, 0.25]),
("dog", [0.82, 0.72, 0.42]), # 故意放一个更像 cat 的错误样本
]
def class_prototypes(data):
grouped = {}
for label, features in data:
grouped.setdefault(label, []).append(features)
prototypes = {}
for label, rows in grouped.items():
dim = len(rows[0])
prototypes[label] = [
sum(row[i] for row in rows) / len(rows)
for i in range(dim)
]
return prototypes
def l1_distance(a, b):
return sum(abs(x - y) for x, y in zip(a, b))
def predict(features, prototypes):
distances = {label: l1_distance(features, proto) for label, proto in prototypes.items()}
return min(distances, key=distances.get), distances
prototypes = class_prototypes(train_data)
print("prototypes:", prototypes)
results = []
for gold, features in test_data:
pred, distances = predict(features, prototypes)
results.append({"gold": gold, "pred": pred, "distances": distances})
print(results[-1])
4.1 为什么这个示例仍然有项目价值？
因为项目最重要的不是库名，而是评估思路。
这个 toy baseline 已经让你看到：
- train -> prototype
- test -> predict
- gold vs pred
这正是后面真正 CNN 项目也必须走的一条线。
五、一个最小 confusion matrix 和错误分析
labels = ["cat", "dog", "rabbit"]
def confusion_matrix(rows, labels):
matrix = {g: {p: 0 for p in labels} for g in labels}
for row in rows:
matrix[row["gold"]][row["pred"]] += 1
return matrix
cm = confusion_matrix(results, labels)
print("confusion matrix:")
for gold in labels:
print(gold, cm[gold])
error_cases = [row for row in results if row["gold"] != row["pred"]]
print("\nerror cases:", error_cases)
5.1 为什么 confusion matrix 对图像分类特别重要？
因为总准确率只会告诉你：
- 对了多少
但 confusion matrix 会告诉你：
- 哪两类最容易混
这正是你下一步改数据和改模型最需要的信息。
5.2 错误样例为什么比总分更值钱？
因为你能真正去看：
- 是不是背景误导了模型
- 是不是某类照片角度不一致
- 是不是标签标错了
这才是图像项目里最有洞察力的部分。
六、真实项目里最该补的三层
6.1 数据层
你至少应该说明：
- 每类大概多少图
- train / val / test 怎么分
- 有没有类别不平衡
6.2 模型层
很推荐先做两层 baseline：
- 小 CNN
- 迁移学习模型
这样你才能说清：
- 更复杂模型到底换来了什么
6.3 展示层
图像分类项目做作品集时，最值得展示的通常是：
- 标签定义
- confusion matrix
- 典型正确样本
- 典型错误样本
而不只是贴一张“训练完成”的截图。
七、这个项目最容易踩的坑
7.1 只看总准确率
你会很容易错过真正的问题分布。
7.2 类别定义太随意
如果类别边界本身模糊，模型和评估都会一起发虚。
7.3 数据泄漏
如果相似图片同时出现在训练和测试，
结果会被高估。
八、小结
这节最重要的是建立一个项目意识：
图像分类项目真正有说服力的地方，不是模型名，而是你能否把类别边界、数据组织、baseline、confusion matrix 和错误分析讲成一个完整闭环。
只要这个闭环立住了，即使是一个小型项目，也会很像作品级课程。
练习
- 把 toy 数据里的
dog样本再加两条，看看 confusion matrix 会怎么变化。 - 如果
cat和rabbit总混淆，你会优先查数据、标签还是模型？为什么？ - 想一想：为什么图像分类项目特别适合用 confusion matrix 做展示？
- 如果你要把这个项目做成作品集页面，你会优先放哪 4 块内容？