O que é classificação de imagens?
A classificação de imagens atribui um ou mais rótulos predefinidos a uma imagem inteira de acordo com seu conteúdo visual. Ao contrário das tarefas de localização, ela não identifica por si só a posição ou o limite do elemento rotulado.
Como funciona a classificação de imagens
Os modelos de classificação mapeiam uma representação de imagem para pontuações em um conjunto definido de rótulos e, em seguida, convertem essas pontuações em uma ou mais categorias apresentadas. Sistemas de rótulo único pressupõem classes mutuamente exclusivas, enquanto sistemas multirrótulo permitem vários rótulos independentes. O resultado descreve a imagem como um todo, mesmo que a evidência decisiva ocupe uma pequena região. Nos fluxos de processamento de mídia, a classificação auxilia no roteamento, na filtragem, no enriquecimento da busca, nas verificações de qualidade e na seleção de modelos especializados para etapas posteriores.
Informações essenciais
- As saídas softmax codificam a competição entre classes e são adequadas a rótulos mutuamente exclusivos, enquanto saídas sigmoid independentes são comumente usadas quando vários rótulos podem se aplicar à mesma imagem.
- Um limiar de probabilidade controla o equilíbrio entre precisão e revocação e frequentemente exige calibração por classe; escolher a maior pontuação não comprova que a imagem pertence a uma classe conhecida.
- Mudanças na distribuição dos dados quanto a câmeras, estilos de edição, características demográficas ou prevalência dos assuntos podem reduzir a acurácia em produção, mesmo quando os resultados em dados de teste reservados são bons, exigindo o monitoramento de amostras do mundo real.
Quando a classificação de imagens é importante
Use a classificação quando um fluxo de trabalho precisar de uma categoria para a imagem inteira, como tipo de conteúdo ou destino de roteamento, em vez de coordenadas de objetos. Rótulos fora da taxonomia usada no treinamento ou imagens com vários elementos podem produzir resultados ambíguos.