计算机视觉 / 系统课时

解析分类结果

解析分类结果

分类模型通常输出一组类别分数,本课将把这组数值整理成可读结果:找到最高分位置、映射类别名称,并同时给出置信度,最终得到可直接展示或写入业务逻辑的分类结论。

学习目标

  • 理解分类输出张量与类别索引的对应关系
  • 使用 OpenCV 查找最高分及其位置
  • 正确处理标签数量、维度和置信度边界

分类输出表示什么

图像分类模型一般不会直接返回“猫”或“汽车”,而是返回形如 1 × N 的分数数组。数组下标代表类别索引,元素值代表该类别的得分或概率,标签文件负责把索引转换为可读名称。

例如输出 [0.08, 0.72, 0.20] 时,最大值位于索引 1。若标签列表为 ["cat", "dog", "bird"],最终类别就是 dog,对应置信度为 0.72。

部分模型输出的是未经归一化的 logits。只有模型末层已经包含 Softmax,或者代码显式执行 Softmax 后,分数才可直接解释为概率。

查找最高分类结果

下面用一组模拟的 DNN 输出演示完整解析过程。实际项目中,只需把 scores 替换为 net.forward() 的返回值即可。

python
import cv2
import numpy as np

def parse_classification(
    scores: np.ndarray, labels: list[str]
) -> tuple[str, float, int]:
    # 统一整理成一行,便于把最大值的横坐标作为类别索引
    row_scores = scores.reshape(1, -1)

    if row_scores.size != len(labels):
        raise ValueError(
            f"分类分数数量 {row_scores.size} 与标签数量 {len(labels)} 不一致"
        )

    _, max_score, _, max_location = cv2.minMaxLoc(row_scores)
    class_id = int(max_location[0])

    return labels[class_id], float(max_score), class_id

def main() -> None:
    labels = ["cat", "dog", "bird"]
    scores = np.array([[0.08, 0.72, 0.20]], dtype=np.float32)

    class_name, confidence, class_id = parse_classification(scores, labels)

    print(f"class_id={class_id}")
    print(f"class_name={class_name}")
    print(f"confidence={confidence:.2f}")

if __name__ == "__main__":
    main()

预期输出:

text
class_id=1
class_name=dog
confidence=0.72

cv2.minMaxLoc() 会返回最小值、最大值及其位置。示例先把输出整理成单行,因此最大值位置的横坐标就是类别索引;标签列表必须与模型训练时的类别顺序完全一致。

处理 Softmax 与阈值

如果模型输出 logits,可先执行数值稳定的 Softmax。计算时先减去最大值,能够降低指数运算溢出的风险。

python
def softmax(logits: np.ndarray) -> np.ndarray:
    values = logits.reshape(-1)
    shifted = values - np.max(values)
    exp_values = np.exp(shifted)
    return exp_values / np.sum(exp_values)

这是片段示例,依赖前一个示例中的 numpy 导入。它会把任意实数分数转换为总和约等于 1 的概率数组,再交给相同的最大值查找逻辑处理。

业务代码通常还需要最低置信度,例如低于 0.60 时返回“无法确定”,而不是强行选择最高分。阈值应依据验证集效果确定,不能只凭经验固定。

常见错误

标签数量与输出维度不一致时,常见原因是标签文件版本错误、模型导出类别发生变化,或输出仍包含批次、空间等额外维度。不要通过截断数组绕过错误,应先确认模型输出结构。

另一个常见问题是把 logits 当概率显示。若分数存在负数、总和明显不为 1,应检查模型末层定义和导出方式,再决定是否补充 Softmax。

本课总结

  • 分类结果解析的核心是“最大分数位置 → 类别索引 → 标签名称”
  • 标签顺序必须与模型训练和导出时保持一致
  • logits 需要经过 Softmax 后才能作为概率解释

下一课预告

下一课将解析目标检测模型的多行输出,把归一化坐标还原为原图上的边界框,并过滤低置信度检测结果。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

解析分类结果

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通