什么是图像分类？
图像分类是将一个(单标签分类)或多个(多标签分类)标签与给定图像相关联的任务。图像分类是计算机视觉领域的基础任务。本文让我们根据分类任务的复杂性简要讨论两种类型的图像分类。
图像分类的两种类型
单标签分类
单标签分类是监督图像分类中最常见的分类任务。
顾名思义，在单标签分类中，每个图像都有一个标签或注释。因此，该模型为它看到的每个图像输出单个值或预测。
模型的输出是一个向量，其长度等于类别的数量，值表示图像属于此类的分数。
使用Softmax激活函数来确保分数总和为1，并采用分数的最大值来形成模型的输出。
单标签分类数据集的一些示例包括MNIST、SVHN、ImageNet等。
单标签分类可以是多分类类型，即可以有两个以上的类或二元分类，其中类的数量限制为两个。
多标签分类
多标签分类是一种分类任务，其中每个图像可以包含多个标签，并且某些图像可以同时包含所有标签。
虽然这在某些方面看起来类似于单标签分类，但与单标签分类相比，问题陈述更为复杂。
多标签分类任务普遍存在于医学成像领域，在该领域，患者可以通过X射线形式的视觉数据诊断出不止一种疾病。
此外，在自然环境中图像标记也可以被定义为多标签分类问题，指示图像中存在的对象。
