揭开图像分类的神秘面纱

哪吒的“虾兵蟹将识别眼”是怎么炼成的呢？

其实就是借助了人工智能中的图像分类技术，即根据每一张图片的不同特点，判断图片的类别。但是想要炼制这个法宝，需要经过图像信息输入、特征选择与表示、分类函数设计、模型训练与评估四大步骤。

图像信息输入

人类有视觉系统，可以轻松获取图片信息，但计算机是如何感知图片内容、获取信息的呢？

如图2-4所示，当我们把图像放大到一定程度之后，可以看到图像由一个个大小相同的正方形格子组成，每个格子的颜色不尽相同，这些格子被称作像素。我们平时在计算机中看到的图像就是由一个个像素组成的。我们常说的图像分辨率592×394，指的就是图像从左至右有592个像素，从上至下有394个像素。

图2-4　计算机中的图像

针对如图2-5所示的灰度图像，通常使用0～255的数字来记录每一个像素的明暗变化。其中0表示最暗的黑色，随着数值的增大，像素变得更加明亮，255表示最亮的白色。

图2-5　灰度图像

对于如图2-4所示的彩色图像，每个像素由灰度图像的1个值变成了3个值，这3个取值范围为0～255的值分别代表红（R）、绿（G）、蓝（B）三种基本颜色的明暗程度，通过这三种颜色的组合，就可以得到我们平时看到的彩色像素，进而得到彩色的图像。这也是我们把彩色图像叫作RGB图像的原因。通过这些像素值，计算机就能获取图片上所表示的信息内容。

特征选择与表示

为了分辨虾兵和蟹将，我们需要观察它们各自的特点，虽然它们都是十足目动物，但虾兵体呈长圆筒状，蟹将体呈扁圆状，因此，我们可以选择利用其体态形状，即身体的长度和宽度，来分辨虾兵蟹将。这种对事物的某些方面的特点进行刻画的数字或者属性，称为特征。

假设经过实际的测量得到了虾兵蟹将的特征：身体的长度和宽度。那么，在数学中应该如何表达呢？可以使用x₁来表示身体的长度，x₂来表示身体的宽度。为了方便，我们一般写成（x₁，x₂）的形式，这种形式的一组数据在数学中称为向量，也是二维空间中的一个点，即在二维坐标轴中，x轴取值为x₁、y轴取值为x₂的点。

在数学中，向量就是多个数字按序排成一行，比如（2，8，4）。其中数字的个数称为向量的维数，如向量（2，8，4）的维数是3，我们也称它为三维向量，它是x、y、z轴分别取值为2、8、4的三维空间中的一个点。

我们把描述一个事物的特征数值组织在一起，形成特征向量。一般地，一个n维特征向量可以表示为x={x₁, x₂, …, x_n}，即n维空间中的一个点。利用这种方法，就可以将每一张虾兵蟹将的照片转化为有意义的特征向量，即n维空间中的一个点，从而将图片分类的问题转化为数学几何中对点进行分类的问题。

分类函数设计

接下来，我们需要设计一个分类函数，也就是执行分类任务的决策器。该分类函数要将以上特征向量（即n维空间中的点）分成两类，把每一张图片的特征向量（x={x₁, x₂, …, x_n}）映射到该图片所属的类别（是虾兵还是蟹将）。我们先假设该函数为f(x)。在虾兵蟹将分类问题中，我们用y来表示虾兵蟹将的类别，y的取值为0和1，分别代表虾兵和蟹将。设f(x)是n元一次方程，也称为线性判别函数，公式为：

f(x₁, x₂, …, x_n)=w₁x₁+w₂x₂+…+w_nx_n+b

在n维空间里，可以将该函数理解为一个超平面，它可以将空间里代表虾兵和蟹将的点分隔在平面的两侧。我们的目的就是找到一个f(x)，通过赋予w₁、w₂、…w_n以及b合理的取值，使得预测结果值趋近于0（虾兵）或者1（蟹将），最终准确地将虾兵和蟹将分开。那么，这一过程中最重要的工作就是确定w₁、w₂、…w_n以及b的取值。虾兵和蟹将的分类示意图如图2-6所示。

图2-6　虾蟹分类示意图

模型训练与评估

那么如何选择合适的参数值，将虾兵和蟹将准确地分开呢？

其实，这些参数的取值类似于人脑的处事原则、判断标准。每个人不是天生就会识文辨字，需要有一个学习的过程，人工智能亦是如此。我们一般称这个过程为训练。在人类从未见过虾兵蟹将的时候，我们并不知道虾兵蟹将是什么样子。而当有人不断教我们这是虾兵、这是蟹将，我们重复地接受了许多虾兵蟹将的信息后，神经系统就会自动提炼虾兵和蟹将的特征，我们再遇到虾兵和蟹将的时候就能很轻松地辨认出来。甚至当我们遇到一个之前从未见过的波纹龙虾时，仍然可以辨认出这是一只虾。这就是人类学习的过程，通过不断地积累和学习，从对虾兵蟹将一无所知到可以轻松地辨认，甚至可以识别出从未见过的品种。

在炼制“虾兵蟹将识别眼”的时候，我们首先要搜集大量的虾兵蟹将照片，将其输入“虾兵蟹将识别眼”（即人工智能模型）中，让它逐渐地学习和记忆，并采用识别准确率、正确样本召回率等指标来评价“虾兵蟹将识别眼”的可靠性，若它能非常精准地识别出一张新图片是虾兵还是蟹将，法宝就炼制成功了！

知识点

准确率（Precision）=正确识别的虾兵蟹将数/虾兵蟹将总数×100%

召回率（Recall）=正确识别为虾兵的数量/虾兵原本的数量×100%

F1值=（准确率×召回率）/（准确率+召回率）