bildklassificering

Bildklassificering är en uppgift inom datorseende där ett algoritmsystem tilldelar en eller flera etiketter till en bild baserat på dess innehåll. Uppgiften kan vara enkel, som att skilja mellan katt och hund, eller mer komplex, till exempel att känna igen flera objekt och deras relationer i en scen. Den används inom medicinsk bildanalys, övervakning, transport och konsumentelektronik.

Typiska arbetsflöden börjar med insamling och märkning av bilddata, följt av förbehandling, modellträning och utvärdering. Supervised learning dominerar: modellen lär sig från bildetiketter som människor tillhandahåller. Liten data kan kompenseras med dataaugmentation eller genom transfer learning, där en modell förbehandlas på stora dataset och anpassas till en mindre uppsättning etiketter.

Historiskt användes handgjorda funktioner som SIFT och HOG tillsammans med maskininlärning innan djupinlärning tog över. På 2010-talet blev konvolutionella neurala nätverk (CNN) standard för bildklassificering. Föregångare som AlexNet, VGG och senare ResNet, Inception och EfficientNet har drivit mycket av fältets utveckling. Transfer learning och pretränade modeller på ImageNet används ofta för att snabbt uppnå bra resultat på nya domäner.

Single-label och multi-label klassificering är vanliga varianter; vissa uppgifter kräver finare, hierarkisk eller granskad klassifikation. Bedömning baseras på mått som noggrannhet, precision, recall, F1 och konfusionmatrix. Utmaningar inkluderar bias och inkonsekventa etiketter, överfitting vid små dataset, tolkningsbarhet och robusthet mot adversarial försök.

Tillämpningar finns inom sjukvård, industriell kvalitetssäkring, jordbruk och contentmoderation. Viktiga överväganden är dataskydd, etisk användning, och transparens i hur modellen når sina beslut, särskilt i kritiska sammanhang som diagnostik eller rättsliga beslut.