优化图像分类：实现“未检测到”结果的策略与实践

霞舞

发布时间：2025-11-30 14:16:02

913人浏览过

来源于php中文网

原创

优化图像分类：实现“未检测到”结果的策略与实践

本文探讨了深度学习图像分类器在处理不属于任何已知类别的图片时，如何避免强制输出一个错误结果。我们将介绍通过设置置信度阈值、引入“未知”类别或采用两阶段分类模型等策略，以实现准确的“未检测到”或“非目标对象”提示，从而提升应用的用户体验和模型实用性。

在实际的图像分类应用中，例如水果病害检测，用户上传的图片可能并非水果，甚至根本不是植物。然而，一个标准的多类别分类模型，其设计目标是在其训练过的所有类别中，为输入图像找到一个最匹配的类别。这意味着即使图片与所有已知类别都不符，模型也会强制输出一个它认为“最接近”的类别，这通常会导致误报，严重影响用户体验和模型的可靠性。

多类别分类器的固有局限性

深度学习分类模型通常通过Softmax层输出每个类别的概率分布。这些概率的总和为1，表示输入图像属于每个已知类别的可能性。模型最终会选择概率最高的那个类别作为预测结果。这种机制决定了，无论输入图像是什么，模型总会给出一个它认为概率最高的类别，即使这个最高概率值本身很低。因此，要实现“未检测到”或“非目标对象”的提示，我们需要在模型推理结果的基础上，引入额外的判断逻辑。

实现“未检测到”结果的策略

为了解决这一问题，有几种主流策略可以采用，每种策略都有其优缺点和适用场景。

策略一：置信度阈值法

这是最直接且无需重新训练模型的方法。其核心思想是：如果模型预测的最高置信度低于预设的某个阈值，则认为图像不属于任何已知类别，并将其标记为“未检测到”。

原理： 在模型输出所有类别的置信度后，我们找到其中最高的置信度。如果这个最高置信度低于我们设定的一个经验阈值（例如，0.7或0.8），就说明模型对所有已知类别的预测都不够“自信”，此时可以判断为“未检测到目标对象”。

优点：

无需重新训练模型： 可以在现有模型的基础上直接实现。
实现简单： 仅需在推理代码中添加几行逻辑判断。
灵活性高： 阈值可以根据实际应用场景和模型性能进行调整。

缺点：

阈值选择困难： 最佳阈值往往需要通过实验和验证来确定，过高或过低都可能导致误报或漏报。
对模型泛化能力有要求： 如果模型对已知类别内部的区分度不高，或者对负样本的置信度普遍较高，该方法效果会受影响。

代码实现示例（基于原代码修改）：

以下代码片段展示了如何在现有的Android图像分类逻辑中，通过引入置信度阈值来判断是否显示“未检测到目标对象”：

private void classifyImage(Bitmap image) {
    try {
        FruitDisease model = FruitDisease.newInstance(getApplicationContext());

        // ... (省略图片预处理和ByteBuffer填充部分，与原代码相同)
        TensorBuffer inputFeature = TensorBuffer.createFixedSize(new int[]{1, 224, 224, 3}, DataType.FLOAT32);
        ByteBuffer byteBuffer = ByteBuffer.allocateDirect(4 * imageSize * imageSize * 3);
        byteBuffer.order(ByteOrder.nativeOrder());

        int[] intValue = new int[imageSize * imageSize];
        image.getPixels(intValue, 0, image.getWidth(), 0, 0, image.getWidth(), image.getHeight());

        int pixel = 0;
        for (int i = 0; i < imageSize; i++) {
            for (int j = 0; j < imageSize; j++) {
                int val = intValue[pixel++];
                // 假设模型输入要求归一化到0-1
                byteBuffer.putFloat(((val >> 16) & 0xFF) * (1.f / 255.f)); // R
                byteBuffer.putFloat(((val >> 8) & 0xFF) * (1.f / 255.f));  // G
                byteBuffer.putFloat((val & 0xFF) * (1.f / 255.f));        // B
            }
        }
        inputFeature.loadBuffer(byteBuffer);

        // 执行推理
        FruitDisease.Outputs outputs = model.process(inputFeature);
        TensorBuffer outputFeature0 = outputs.getOutputFeature0AsTensorBuffer();

        float[] confidences = outputFeature0.getFloatArray(); // 获取所有类别的置信度

        // 找到置信度最高的类别及其置信度值
        int maxPos = 0;
        float maxConfidence = 0;
        for (int i = 0; i < confidences.length; i++) {
            if (confidences[i] > maxConfidence) {
                maxConfidence = confidences[i];
                maxPos = i;
            }
        }

        // 定义类别标签
        String[] classes = {"Watermelon Healthy", "Watermelon Blossom End Rot", "Watermelon Anthracnose",
                "Mango Healthy", "Mango Bacterial Canker", "Mango Anthracnose",
                "Orange Scab", "Orange Healthy",
                "Orange Bacterial Citrus Canker", "Banana Healthy", "Banana Crown Rot",
                "Banana Anthracnose", "Apple Scab", "Apple Healthy", "Apple Black Rot Canker"};

        // --- 核心逻辑：基于置信度阈值判断是否为“未检测到” ---
        // 设置一个置信度阈值，例如0.7 (70%)。这个值需要根据模型的实际表现进行调整和优化。
        float confidenceThreshold = 0.7f; // 阈值范围通常在0到1之间

        if (maxConfidence < confidenceThreshold) {
            // 如果最高置信度低于阈值，则认为未检测到目标对象
            result.setText("未检测到目标对象 (No target object detected)");
        } else {
            // 否则，显示检测到的类别
            result.setText(classes[maxPos]);
        }
        // --- 结束核心逻辑 ---

        // 构建并显示所有类别的详细置信度
        StringBuilder confidenceDetails = new StringBuilder();
        for (int i = 0; i < classes.length; i++) {
            confidenceDetails.append(String.format("%s: %.1f%%\n", classes[i], confidences[i] * 100));
        }
        confidence.setText(confidenceDetails.toString());
        confidence.setVisibility(View.VISIBLE);

        // 释放模型资源
        model.close();

    } catch (IOException e) {
        // TODO Handle the exception
        e.printStackTrace();
    }
}

注意事项：

confidenceThreshold 的值需要根据你的具体模型和数据集进行调整。一个好的起点是0.7或0.8，然后通过测试不同的非目标图像来优化。
maxConfidence 是一个浮点数，范围在0到1之间，代表概率。因此，直接与 confidenceThreshold 比较即可，无需乘以100。

策略二：引入“未知”类别（N+1分类）

这种方法通过在训练数据中增加一个额外的“未知”或“背景”类别来解决问题。

先见AI

数据为基，先见未见

下载

原理： 在模型的训练数据集中，除了已知的N个目标类别外，收集大量不属于任何目标类别的图片（例如，对于水果检测，可以收集各种非水果的物体、风景、人像等），并将它们标记为第N+1个“未知”类别。模型在训练过程中会学习如何区分目标类别和这个“未知”类别。

优点：

模型主动识别： 模型能够主动学习并识别出“未知”对象，而不仅仅是被动地通过阈值判断。
鲁棒性更强： 在处理各种非目标图像时，理论上比阈值法更准确。

缺点：

需要额外数据： 必须收集和标注大量的“未知”类别样本，这可能是一个耗时耗力的过程。
类别不平衡： “未知”类别的样本量可能远大于或小于目标类别，容易导致类别不平衡问题，需要采用过采样、欠采样或加权损失等技术来处理。
需要重新训练模型： 这是一个模型层面的改变，意味着必须重新训练或微调模型。

策略三：两阶段分类模型

这种方法将问题分解为两个独立的子问题，并使用两个模型串联解决。

原理：

第一阶段（二分类器）： 训练一个二分类模型，用于判断输入图像是否包含目标对象（例如，“是水果”或“不是水果”）。
第二阶段（多分类器）： 如果第一阶段判断为“是水果”，则将图像输入到原有的多类别分类器中（例如，区分“苹果”、“香蕉”等）。如果第一阶段判断为“不是水果”，则直接输出“未检测到目标对象”。

优点：