1. 实验背景与目标解析计算机视觉领域的图像分类任务一直是学术界和工业界关注的重点方向。重庆理工大学计算机视觉方向的这次实验选择了经典的CIFAR-10数据集作为实验对象通过实现SVM和CNN两种不同的分类算法让学生深入理解图像分类的基本原理和实现方法。CIFAR-10数据集包含60,000张32×32像素的彩色图像分为10个类别飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船和卡车每个类别有6,000张图像。其中50,000张用于训练10,000张用于测试。这个数据集虽然图像尺寸较小但包含了丰富的类别信息和复杂的背景非常适合用于教学实验。提示在实际实验中建议先对数据集进行可视化检查了解各类别图像的特征分布这对后续的特征工程和模型选择都有重要参考价值。2. 实验环境准备2.1 硬件与软件配置实验需要准备以下环境Python 3.7环境常用科学计算库NumPy、Pandas图像处理库OpenCV、Pillow机器学习框架scikit-learn用于SVM实现深度学习框架PyTorch或TensorFlow用于CNN实现可视化工具Matplotlib、Seaborn对于硬件配置虽然CIFAR-10数据集相对较小但使用GPU可以显著加速CNN的训练过程。建议配置CPUIntel i5及以上内存8GB及以上GPUNVIDIA GTX 1060及以上可选2.2 数据集获取与预处理CIFAR-10数据集可以通过多种方式获取直接从官网下载原始数据文件通过深度学习框架的内置接口加载如torchvision.datasets.CIFAR10使用第三方库如TensorFlow Datasets数据预处理步骤包括图像归一化将像素值从[0,255]缩放到[0,1]或[-1,1]数据增强可选随机水平翻转、随机裁剪等标签编码将类别名称转换为数字标签# 示例使用PyTorch加载CIFAR-10数据集 import torchvision.transforms as transforms from torchvision.datasets import CIFAR10 transform transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)) ]) train_set CIFAR10(root./data, trainTrue, downloadTrue, transformtransform) test_set CIFAR10(root./data, trainFalse, downloadTrue, transformtransform)3. SVM图像分类实现3.1 特征提取SVM作为传统机器学习算法不能直接处理原始图像数据需要先进行特征提取。常用的特征提取方法包括HOG方向梯度直方图计算图像局部区域的梯度方向直方图对光照变化和几何变形有一定鲁棒性适合捕捉物体的边缘和轮廓信息颜色直方图统计图像中各颜色通道的分布情况计算简单但可能丢失空间信息SIFT/SURF提取图像的局部特征点对旋转和尺度变化具有不变性计算复杂度较高# 示例使用OpenCV提取HOG特征 import cv2 import numpy as np def extract_hog_features(images): hog cv2.HOGDescriptor((32,32), (16,16), (8,8), (8,8), 9) features [] for img in images: img cv2.cvtColor(img, cv2.COLOR_RGB2GRAY) feat hog.compute(img) features.append(feat.flatten()) return np.array(features)3.2 SVM模型训练使用scikit-learn实现SVM分类器from sklearn.svm import SVC from sklearn.metrics import accuracy_score # 提取训练集和测试集特征 X_train extract_hog_features(train_images) y_train train_labels X_test extract_hog_features(test_images) y_test test_labels # 创建SVM分类器 svm SVC(kernelrbf, C1.0, gammascale) # 训练模型 svm.fit(X_train, y_train) # 评估模型 train_pred svm.predict(X_train) test_pred svm.predict(X_test) print(fTrain Accuracy: {accuracy_score(y_train, train_pred):.4f}) print(fTest Accuracy: {accuracy_score(y_test, test_pred):.4f})3.3 参数调优SVM的关键参数包括核函数kernel线性核、多项式核、RBF核等正则化参数C控制分类边界的硬度gamma参数RBF核控制单个样本的影响范围可以使用网格搜索进行参数优化from sklearn.model_selection import GridSearchCV param_grid { C: [0.1, 1, 10], gamma: [scale, auto, 0.1, 0.01], kernel: [rbf, poly] } grid_search GridSearchCV(SVC(), param_grid, cv3, n_jobs-1) grid_search.fit(X_train[:1000], y_train[:1000]) # 使用部分数据加速搜索 print(Best parameters:, grid_search.best_params_)4. CNN图像分类实现4.1 网络架构设计针对CIFAR-10数据集可以设计如下CNN架构输入层32×32×3的彩色图像卷积层132个3×3卷积核ReLU激活池化层12×2最大池化卷积层264个3×3卷积核ReLU激活池化层22×2最大池化全连接层1128个神经元ReLU激活输出层10个神经元Softmax激活import torch.nn as nn import torch.nn.functional as F class SimpleCNN(nn.Module): def __init__(self): super(SimpleCNN, self).__init__() self.conv1 nn.Conv2d(3, 32, 3, padding1) self.pool nn.MaxPool2d(2, 2) self.conv2 nn.Conv2d(32, 64, 3, padding1) self.fc1 nn.Linear(64 * 8 * 8, 128) self.fc2 nn.Linear(128, 10) def forward(self, x): x self.pool(F.relu(self.conv1(x))) x self.pool(F.relu(self.conv2(x))) x x.view(-1, 64 * 8 * 8) x F.relu(self.fc1(x)) x self.fc2(x) return x4.2 模型训练与评估使用PyTorch训练CNN模型import torch.optim as optim from torch.utils.data import DataLoader # 初始化模型、损失函数和优化器 model SimpleCNN() criterion nn.CrossEntropyLoss() optimizer optim.Adam(model.parameters(), lr0.001) # 创建数据加载器 train_loader DataLoader(train_set, batch_size32, shuffleTrue) test_loader DataLoader(test_set, batch_size32, shuffleFalse) # 训练循环 for epoch in range(10): model.train() running_loss 0.0 for images, labels in train_loader: optimizer.zero_grad() outputs model(images) loss criterion(outputs, labels) loss.backward() optimizer.step() running_loss loss.item() # 每个epoch结束后评估测试集准确率 model.eval() correct 0 total 0 with torch.no_grad(): for images, labels in test_loader: outputs model(images) _, predicted torch.max(outputs.data, 1) total labels.size(0) correct (predicted labels).sum().item() print(fEpoch {epoch1}, Loss: {running_loss/len(train_loader):.4f}, Test Acc: {100*correct/total:.2f}%)4.3 模型优化技巧学习率调度使用学习率衰减策略如StepLR、ReduceLROnPlateau初始学习率通常设置在0.001-0.01之间正则化方法Dropout在全连接层后添加Dropout层L2正则化通过优化器的weight_decay参数实现批量归一化在卷积层后添加BatchNorm层数据增强随机水平翻转随机裁剪带padding颜色抖动轻微调整亮度、对比度等# 增强的数据预处理 train_transform transforms.Compose([ transforms.RandomHorizontalFlip(), transforms.RandomCrop(32, padding4), transforms.ToTensor(), transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)) ])5. 实验结果分析与比较5.1 性能指标对比模型训练准确率测试准确率训练时间参数量SVMHOG78.3%62.1%15min-Simple CNN92.5%76.8%45min~1.2MCNN增强88.7%81.2%60min~1.2M从结果可以看出CNN模型相比传统SVM方法有显著的性能提升数据增强虽然降低了训练集准确率但提高了模型的泛化能力SVM方法训练速度较快适合资源受限的场景5.2 混淆矩阵分析通过绘制混淆矩阵可以分析模型在各类别上的表现from sklearn.metrics import confusion_matrix import seaborn as sns import matplotlib.pyplot as plt # 获取测试集所有预测结果 all_preds [] all_labels [] with torch.no_grad(): for images, labels in test_loader: outputs model(images) _, preds torch.max(outputs, 1) all_preds.extend(preds.numpy()) all_labels.extend(labels.numpy()) # 绘制混淆矩阵 cm confusion_matrix(all_labels, all_preds) plt.figure(figsize(10,8)) sns.heatmap(cm, annotTrue, fmtd, cmapBlues, xticklabelsclasses, yticklabelsclasses) plt.xlabel(Predicted) plt.ylabel(True) plt.show()5.3 错误案例分析收集分类错误的样本并分析猫和狗混淆两种动物在图像中姿态相似时容易混淆汽车和卡车混淆特别是红色的小型卡车与汽车相似鸟和飞机混淆当鸟在天空背景中时可能被误认为小飞机注意错误分析是改进模型的重要步骤可以根据分析结果针对性调整数据增强策略或网络结构。6. 实验总结与扩展通过本次实验我们实现了两种不同的图像分类方法传统机器学习方法SVM和深度学习方法CNN。实验结果表明CNN在图像分类任务上具有明显优势但SVM在资源受限的场景下仍是一个可行的选择。在实际项目中还可以尝试以下扩展使用更复杂的CNN架构如ResNet、EfficientNet尝试迁移学习使用在ImageNet上预训练的模型集成多个模型提升性能使用注意力机制增强模型对重要特征的关注对于初学者来说理解模型背后的数学原理和实际编码实现同样重要。建议在掌握基础实现后进一步研究反向传播算法、梯度下降优化等核心概念。
1. 实验背景与目标解析计算机视觉领域的图像分类任务一直是学术界和工业界关注的重点方向。重庆理工大学计算机视觉方向的这次实验选择了经典的CIFAR-10数据集作为实验对象通过实现SVM和CNN两种不同的分类算法让学生深入理解图像分类的基本原理和实现方法。CIFAR-10数据集包含60,000张32×32像素的彩色图像分为10个类别飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船和卡车每个类别有6,000张图像。其中50,000张用于训练10,000张用于测试。这个数据集虽然图像尺寸较小但包含了丰富的类别信息和复杂的背景非常适合用于教学实验。提示在实际实验中建议先对数据集进行可视化检查了解各类别图像的特征分布这对后续的特征工程和模型选择都有重要参考价值。2. 实验环境准备2.1 硬件与软件配置实验需要准备以下环境Python 3.7环境常用科学计算库NumPy、Pandas图像处理库OpenCV、Pillow机器学习框架scikit-learn用于SVM实现深度学习框架PyTorch或TensorFlow用于CNN实现可视化工具Matplotlib、Seaborn对于硬件配置虽然CIFAR-10数据集相对较小但使用GPU可以显著加速CNN的训练过程。建议配置CPUIntel i5及以上内存8GB及以上GPUNVIDIA GTX 1060及以上可选2.2 数据集获取与预处理CIFAR-10数据集可以通过多种方式获取直接从官网下载原始数据文件通过深度学习框架的内置接口加载如torchvision.datasets.CIFAR10使用第三方库如TensorFlow Datasets数据预处理步骤包括图像归一化将像素值从[0,255]缩放到[0,1]或[-1,1]数据增强可选随机水平翻转、随机裁剪等标签编码将类别名称转换为数字标签# 示例使用PyTorch加载CIFAR-10数据集 import torchvision.transforms as transforms from torchvision.datasets import CIFAR10 transform transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)) ]) train_set CIFAR10(root./data, trainTrue, downloadTrue, transformtransform) test_set CIFAR10(root./data, trainFalse, downloadTrue, transformtransform)3. SVM图像分类实现3.1 特征提取SVM作为传统机器学习算法不能直接处理原始图像数据需要先进行特征提取。常用的特征提取方法包括HOG方向梯度直方图计算图像局部区域的梯度方向直方图对光照变化和几何变形有一定鲁棒性适合捕捉物体的边缘和轮廓信息颜色直方图统计图像中各颜色通道的分布情况计算简单但可能丢失空间信息SIFT/SURF提取图像的局部特征点对旋转和尺度变化具有不变性计算复杂度较高# 示例使用OpenCV提取HOG特征 import cv2 import numpy as np def extract_hog_features(images): hog cv2.HOGDescriptor((32,32), (16,16), (8,8), (8,8), 9) features [] for img in images: img cv2.cvtColor(img, cv2.COLOR_RGB2GRAY) feat hog.compute(img) features.append(feat.flatten()) return np.array(features)3.2 SVM模型训练使用scikit-learn实现SVM分类器from sklearn.svm import SVC from sklearn.metrics import accuracy_score # 提取训练集和测试集特征 X_train extract_hog_features(train_images) y_train train_labels X_test extract_hog_features(test_images) y_test test_labels # 创建SVM分类器 svm SVC(kernelrbf, C1.0, gammascale) # 训练模型 svm.fit(X_train, y_train) # 评估模型 train_pred svm.predict(X_train) test_pred svm.predict(X_test) print(fTrain Accuracy: {accuracy_score(y_train, train_pred):.4f}) print(fTest Accuracy: {accuracy_score(y_test, test_pred):.4f})3.3 参数调优SVM的关键参数包括核函数kernel线性核、多项式核、RBF核等正则化参数C控制分类边界的硬度gamma参数RBF核控制单个样本的影响范围可以使用网格搜索进行参数优化from sklearn.model_selection import GridSearchCV param_grid { C: [0.1, 1, 10], gamma: [scale, auto, 0.1, 0.01], kernel: [rbf, poly] } grid_search GridSearchCV(SVC(), param_grid, cv3, n_jobs-1) grid_search.fit(X_train[:1000], y_train[:1000]) # 使用部分数据加速搜索 print(Best parameters:, grid_search.best_params_)4. CNN图像分类实现4.1 网络架构设计针对CIFAR-10数据集可以设计如下CNN架构输入层32×32×3的彩色图像卷积层132个3×3卷积核ReLU激活池化层12×2最大池化卷积层264个3×3卷积核ReLU激活池化层22×2最大池化全连接层1128个神经元ReLU激活输出层10个神经元Softmax激活import torch.nn as nn import torch.nn.functional as F class SimpleCNN(nn.Module): def __init__(self): super(SimpleCNN, self).__init__() self.conv1 nn.Conv2d(3, 32, 3, padding1) self.pool nn.MaxPool2d(2, 2) self.conv2 nn.Conv2d(32, 64, 3, padding1) self.fc1 nn.Linear(64 * 8 * 8, 128) self.fc2 nn.Linear(128, 10) def forward(self, x): x self.pool(F.relu(self.conv1(x))) x self.pool(F.relu(self.conv2(x))) x x.view(-1, 64 * 8 * 8) x F.relu(self.fc1(x)) x self.fc2(x) return x4.2 模型训练与评估使用PyTorch训练CNN模型import torch.optim as optim from torch.utils.data import DataLoader # 初始化模型、损失函数和优化器 model SimpleCNN() criterion nn.CrossEntropyLoss() optimizer optim.Adam(model.parameters(), lr0.001) # 创建数据加载器 train_loader DataLoader(train_set, batch_size32, shuffleTrue) test_loader DataLoader(test_set, batch_size32, shuffleFalse) # 训练循环 for epoch in range(10): model.train() running_loss 0.0 for images, labels in train_loader: optimizer.zero_grad() outputs model(images) loss criterion(outputs, labels) loss.backward() optimizer.step() running_loss loss.item() # 每个epoch结束后评估测试集准确率 model.eval() correct 0 total 0 with torch.no_grad(): for images, labels in test_loader: outputs model(images) _, predicted torch.max(outputs.data, 1) total labels.size(0) correct (predicted labels).sum().item() print(fEpoch {epoch1}, Loss: {running_loss/len(train_loader):.4f}, Test Acc: {100*correct/total:.2f}%)4.3 模型优化技巧学习率调度使用学习率衰减策略如StepLR、ReduceLROnPlateau初始学习率通常设置在0.001-0.01之间正则化方法Dropout在全连接层后添加Dropout层L2正则化通过优化器的weight_decay参数实现批量归一化在卷积层后添加BatchNorm层数据增强随机水平翻转随机裁剪带padding颜色抖动轻微调整亮度、对比度等# 增强的数据预处理 train_transform transforms.Compose([ transforms.RandomHorizontalFlip(), transforms.RandomCrop(32, padding4), transforms.ToTensor(), transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)) ])5. 实验结果分析与比较5.1 性能指标对比模型训练准确率测试准确率训练时间参数量SVMHOG78.3%62.1%15min-Simple CNN92.5%76.8%45min~1.2MCNN增强88.7%81.2%60min~1.2M从结果可以看出CNN模型相比传统SVM方法有显著的性能提升数据增强虽然降低了训练集准确率但提高了模型的泛化能力SVM方法训练速度较快适合资源受限的场景5.2 混淆矩阵分析通过绘制混淆矩阵可以分析模型在各类别上的表现from sklearn.metrics import confusion_matrix import seaborn as sns import matplotlib.pyplot as plt # 获取测试集所有预测结果 all_preds [] all_labels [] with torch.no_grad(): for images, labels in test_loader: outputs model(images) _, preds torch.max(outputs, 1) all_preds.extend(preds.numpy()) all_labels.extend(labels.numpy()) # 绘制混淆矩阵 cm confusion_matrix(all_labels, all_preds) plt.figure(figsize(10,8)) sns.heatmap(cm, annotTrue, fmtd, cmapBlues, xticklabelsclasses, yticklabelsclasses) plt.xlabel(Predicted) plt.ylabel(True) plt.show()5.3 错误案例分析收集分类错误的样本并分析猫和狗混淆两种动物在图像中姿态相似时容易混淆汽车和卡车混淆特别是红色的小型卡车与汽车相似鸟和飞机混淆当鸟在天空背景中时可能被误认为小飞机注意错误分析是改进模型的重要步骤可以根据分析结果针对性调整数据增强策略或网络结构。6. 实验总结与扩展通过本次实验我们实现了两种不同的图像分类方法传统机器学习方法SVM和深度学习方法CNN。实验结果表明CNN在图像分类任务上具有明显优势但SVM在资源受限的场景下仍是一个可行的选择。在实际项目中还可以尝试以下扩展使用更复杂的CNN架构如ResNet、EfficientNet尝试迁移学习使用在ImageNet上预训练的模型集成多个模型提升性能使用注意力机制增强模型对重要特征的关注对于初学者来说理解模型背后的数学原理和实际编码实现同样重要。建议在掌握基础实现后进一步研究反向传播算法、梯度下降优化等核心概念。
