图像分类原理及应用实验总结
通过实验，我理解图像分类核心是让计算机将图像映射到预设类别，流程为预处理图像后，用CNN提取从边缘到语义的层级特征，经分类器与Softmax函数转化为概率分布，输出置信度最高的类别，是计算机视觉基础任务。
实验中发现不少问题，样本量不足会导致模型泛化能力差，相似类别易被误判；光照、角度变化及背景干扰也会降低分类准确率，训练时还存在过拟合现象。
此次实验让我切实感受到技术实用性，图像分类在安防、医疗等领域应用广泛。同时深知技术优化不易，需兼顾模型性能与数据质量，也激发了我深入探索优化方法、提升模型精度的兴趣。