1. 项目概述1.1 为什么需要做猴痘识别猴痘是一种人畜共患病毒性传染病2022年前后在全球多个地区出现传播。它的早期症状发热、淋巴结肿大、皮疹容易与水痘、手足口病、梅毒疹等皮肤问题混淆单靠肉眼判断很容易误诊。对于基层医疗条件有限的地区缺少皮肤科专科医生这种鉴别诊断的缺口更加明显。深度学习图像分类技术正好能切入这一场景给模型看大量猴痘皮疹与正常皮肤的照片让它自动学会区分不同皮肤病变的特征。这个第P4周项目核心目标就是构建一个能自动识别猴痘皮肤病图像的卷积神经网络分类模型。这个项目适合正在入门计算机视觉方向的学习者也适合医学影像相关课题的从业者。它能锻炼几个关键能力图像数据清洗与增强、CNN模型搭建与调参、迁移学习的使用、分类模型的评估方法。你做完这一周的项目实际上就掌握了一条完整的图像分类流程从数据准备到模型训练再到结果分析与部署思考。这套流程可以平移到任何二分类或者多分类图像任务上不只是猴痘识别。1.2 项目想解决的三个核心问题这个项目的难点不在模型的forward写得有多花哨而在三个方面。第一是数据集的质量问题。医学图像数据集普遍存在样本量少、类别不均衡、图像来源复杂不同设备拍摄、不同光照条件的问题。需要处理原始图像让模型在有限的样本上学到具有泛化性的特征而不是死记硬背训练集。第二是模型容量的选择。猴痘皮疹和其他皮肤病之间的视觉差异非常细微一种水疱样皮损和另一种丘疹样皮损非专业人士根本看不出区别。模型太小学不到足够的区分性特征模型太大训练数据不够又容易过拟合。这是经典的小样本医学图像分类困境。第三是评估指标的选取。医学场景里漏诊一个猴痘患者的代价远高于误诊一个正常人。所以不能只看准确率还要重点关注召回率、精确率和混淆矩阵确保模型在真实场景中不会出现方向性偏差。这三个问题贯穿整个P4周项目。接下来我会从数据集处理开始一直到最终的评估报告把每一条操作路径都拆开来讲清楚。2. 数据准备与预处理影响模型上限的环节2.1 数据集结构与类别分布这个实验采用的数据集包含两类图像猴痘皮肤病图像和正常皮肤图像。通常数据集会按如下方式组织dataset/ ├── train/ │ ├── Monkeypox/ │ └── Normal/ └── test/ ├── Monkeypox/ └── Normal/训练集内部再切出一部分作为验证集用于训练过程中监控模型是否过拟合。常见的划分比例是训练集:验证集:测试集 7:2:1 或者 8:1:1。动手之前我建议你先统计一下每类的样本数量。这一步虽然简单但很容易被跳过而类别不均衡直接决定后面的策略选择。举个例子如果猴痘类只有80张图片正常皮肤类有400张那模型天然就会倾向预测正常类因为整体准确率会因此变高但猴痘的召回率会惨不忍睹。样本差距比较大的时候有以下几种处理办法对少数类做过采样复制或者对少数类图像多做数据增强增加权重。对多数类做降采样随机丢弃部分多数类样本保证两类数量接近。调整损失函数的类别权重在交叉熵损失里给少数类更高的权重让模型更重视学习少数类特征。我测试过的经验是小数据集上优先选类别权重的方式或者结合适度过采样。直接对少数类做大量暴力复制容易过拟合对多数类降采样又浪费了已有的数据信息。实验阶段可以先按原始分布跑一版基线记录各项指标再做类别平衡处理看看差异有多大。2.2 图像尺寸统一与像素归一化的必要性CNN模型一般要求输入尺寸固定。原因是模型的最后一层全连接FC层的输入维度是固定的而特征图经过展平后其大小必须与FC层匹配。假设输入图片尺寸不一致经过卷积和池化后特征图的宽高也会不一致全连接层就无法工作。这个项目使用的模型通常要求输入224x224或者227x227。数据集原始图像尺寸可能五花八门有的是1024x1024的高清图有的是480x360的压缩图。需要做如下处理from PIL import Image def resize_and_scale(img_path, target_size(224, 224)): img Image.open(img_path).convert(RGB) img img.resize(target_size, Image.Resampling.BILINEAR) return img这里要注意resize操作会改变图像的宽高比。如果直接拉伸皮疹的形状比例可能会产生畸变。对于医学图像这种畸变对模型的影响存在争议。一种更稳妥的方式是中心裁剪缩放即在保持目标尺寸的前提下先等比缩放图片到短边匹配目标尺寸再裁掉多余部分。这个方案保留了图像的局部特征同时避免了大幅度拉伸变形。像素归一化同样不可跳过。原始图像像素范围是[0, 255]如果直接喂给模型数值范围过大会导致梯度计算不稳定训练过程难以收敛。归一化的方式是把像素值缩放到[0, 1]区间或者进一步按每个通道的均值和标准差做标准化。def normalize(img): img img / 255.0 mean [0.485, 0.456, 0.406] std [0.229, 0.224, 0.225] # per-channel standardization img (img - mean) / std return img上面的均值和标准差是大型自然图像数据集如ImageNet的统计值。由于我们使用了基于ImageNet预训练的模型权重所以也要采用同一个预处理方式否则预训练权重的分布和输入数据的分布不匹配迁移效果会打折扣。2.3 数据增强小样本场景的保命手段医学图像数据集规模一般不大几十到几百张的训练样本很常见。如果没有数据增强模型训练几个epoch之后训练集准确率接近100%但验证集准确率却上不去这是典型的过拟合信号。数据增强的本质是在不改变语义标签的前提下对图像施加一系列不影响类别的变换产生更多的训练样本。对猴痘图像来说以下增强方式比较适用from torchvision import transforms train_transforms transforms.Compose([ transforms.RandomResizedCrop(224, scale(0.8, 1.0)), transforms.RandomHorizontalFlip(p0.5), transforms.RandomRotation(degrees15), transforms.ColorJitter(brightness0.2, contrast0.2, saturation0.2), transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ])逐个解释这里每个增强方式的作用RandomResizedCrop随机裁剪图像的一部分再resize回224迫使模型学到目标区域本身的特征而不是依赖图像中某个固定的背景区域。RandomHorizontalFlip水平翻转。皮肤图像不存在方向对抗性翻转让模型对左右变化不敏感。RandomRotation旋转15度以内。这个幅度比较保守因为旋转太大会导致边界区域出现大片黑边反而干扰学习。ColorJitter调整亮度、对比度、饱和度。模拟不同拍摄设备、不同光照条件带来的色彩差异。验证集和测试集不做随机增强只需要Resize到224x224、归一化和ToTensor。这一点经常被初学者忽略——如果验证集也做了随机增强那验证结果就会有随机波动你无法判断模型真实的泛化能力。3. 模型选型与结构拆解为什么用预训练CNN3.1 CNN的核心组件是怎么运作的在选模型之前先扎实理解CNN的运作方式。CNN由三种核心层构成卷积层、池化层、全连接层。卷积层的核心是卷积核也就是一个小的权重矩阵在输入特征图上滑动计算局部区域的加权和提取局部特征。以3x3卷积核为例它在输入图上每滑动一步就产生一个输出值。卷积层的目标就是通过训练不断调整这些卷积核的权重让网络自动学习图像特征。浅层的卷积核学习边缘、纹理、颜色块等低级特征深层卷积核则组合这些低级特征得到更抽象的语义信息。池化层的作用是降采样。最常见的是最大池化在2x2的窗口内取最大值作为输出。这样特征图尺寸缩小一半参数数量下降同时保留了最强烈的特征响应。池化还带来平移不变性也就是目标在图像里稍微移动位置池化后的输出变化不大。全连接层把卷积和池化得到的特征图展平成一维向量再进行分类。它相当于一个标准的神经网络分类器计算量占比很大所以现代网络结构中全连接层用得越来越少常被全局平均池化GAP替代。GAP把每个通道的特征图取平均值得到一个长度等于通道数的向量再直接接softmax分类。3.2 为什么选择迁移学习而不是从头训练医学图像识别任务里从头训练一个深度CNN几乎不可行。原因有二。第一CNN的参数量巨大。以VGG16为例参数量超过1.38亿。要训练出有效的特征提取器需要百万级甚至千万级的训练样本。而猴痘数据集往往只有几百上千张图像这个数量级连VGG16训练收敛都困难更别提学出好的特征。第二从头训练耗时极长。即使硬件条件允许训练一个深度CNN需要几天甚至几周而迁移学习只需要几分钟到几十分钟就能达到不错的效果。迁移学习的思路是先在一个超大数据集如ImageNet包含120万张自然图像、1000类上训练一个强大的特征提取器然后把这个特征提取器的参数搬到我们的猴痘数据集上只做少量微调。从视觉特征的角度理解这个方案自然图像和皮肤图像虽然数据分布不同但都遵循相似的视觉底层规律。蜂窝组织、纱布纹理、皮肤纹路在特征提取的底层边缘、颜色、纹理层面和ImageNet中常见的自然纹理是相通的。所以预训练模型已经学会了通用视觉特征我们只需要在新的分类头上做适配。3.3 几种候选模型结构对比P4周项目常见的候选模型包括ResNet系列、VGG系列、EfficientNet系列。VGG16结构简单3x3卷积堆叠加上池化特征提取过程非常直观适合教学分析、可视化特征图。但它的缺点是参数量巨大、训练速度慢部署时内存占用高。ResNet50的关键创新是残差连接Residual Block引入捷径连接shortcut connection让梯度能直接跳过一两层反向传播。这解决了深层网络训练时的梯度消失问题使得50层甚至更深的网络可以正常训练。ResNet50在自然图像分类中表现优秀迁移到医学图像任务表现也很稳定是目前图像分类的最常用选择。EfficientNet的特点是在网络宽度、深度、输入分辨率三个维度上做复合缩放在相同精度下参数更少、计算量更低。但它的结构相对复杂代码疑难调试时不够透明适合追求模型性能上限而计算资源有限的场景。如果你的开发环境CPU跑训练优先考虑ResNet18或者ResNet34参数量比ResNet50少了很多训练速度快不少。如果GPU显存足够硬件配置好训练脚本放在GPU上就用ResNet50作为主力。3.4 修改分类头把1000类拉回2类预训练模型在ImageNet上输出1000个类别我们需要修改最后的全连接层让输出变成2个神经元猴痘和正常皮肤再接softmax得到两个类别的概率。以PyTorch为例import torch.nn as nn from torchvision import models model models.resnet50(pretrainedTrue) num_features model.fc.in_features model.fc nn.Linear(num_features, 2)这里有个细节值得解释model.fc.in_features是原分类头全连接层的输入维度ResNet50这个值是2048。替换fc层为nn.Linear(2048, 2)后新加的全连接层参数是随机初始化的。随机初始化的分类头在刚开始时输出是混乱的迁移过来的特征提取部分权重则保留着预训练的知识。训练策略上分两种思路冻结特征提取器vs微调全部参数。冻结策略把除了fc层之外的所有参数设置成不更新requires_grad False训练时只更新fc层。优点是训练速度快、内存占用小适合数据量特别少的情况。缺点是底层特征完全固定遇到与自然图像差异较大的医学图像时特征提取器不一定能适配。微调策略初始阶段冻结骨干网络只训练fc层几个epoch再解冻所有参数用小学习率整体微调。这是更推荐的方案因为它允许模型在保留预训练知识的基础上继续适配医学图像的独有特征。解冻后学习率要调低比如从0.001降到1e-5到5e-5之间防止大的权重扰动破坏预训练参数。4. 训练过程与关键参数配置4.1 损失函数和优化器的选取图像二分类任务最常用的损失函数是交叉熵损失Cross Entropy Loss。它衡量的是预测概率分布和真实标签分布之间的差异输出值越小表示预测越准确。PyTorch中nn.CrossEntropyLoss()内部已经包含了softmax操作所以模型的最后一层不需要手动加softmax。直接输出原始logits送入损失函数就行。criterion nn.CrossEntropyLoss()如果数据存在类别不均衡可以通过给损失函数传入weight参数来解决weights torch.tensor([1.0, 3.0]) # 假设类别1猴痘权重更高 criterion nn.CrossEntropyLoss(weightweights)优化器一般选Adam或者SGD。Adam自带自适应学习率收敛速度快对新手的调参压力小SGD配合momentum能更精细地搜索参数空间泛化性往往更好但需要手动调整学习率策略。我实际测试的结果迁移学习场景下初始阶段用Adam快速收敛中后期切到SGD或者直接用带动量的SGD从0.01开始效果通常比纯Adam更优。这个结论与很多论文和开源实验的表现一致。为了简化实验流程也可以全程使用Adam设置学习率0.001配合学习率衰减策略同样能取得不错的结果。optimizer torch.optim.Adam(model.parameters(), lr0.001) scheduler torch.optim.lr_scheduler.StepLR(optimizer, step_size7, gamma0.1)StepLR的意思是每训练7个epoch学习率乘以0.1。这样前期快速下降后期细微调整。4.2 训练循环的规范化写法训练循环的骨架如下num_epochs 20 best_val_acc 0.0 for epoch in range(num_epochs): model.train() running_loss 0.0 correct 0 total 0 for images, labels in train_loader: images, labels images.to(device), labels.to(device) optimizer.zero_grad() outputs model(images) loss criterion(outputs, labels) loss.backward() optimizer.step() running_loss loss.item() * images.size(0) _, predicted torch.max(outputs, 1) total labels.size(0) correct (predicted labels).sum().item() train_acc 100.0 * correct / total train_loss running_loss / total # validation model.eval() val_correct 0 val_total 0 with torch.no_grad(): for images, labels in val_loader: images, labels images.to(device), labels.to(device) outputs model(images) _, predicted torch.max(outputs, 1) val_total labels.size(0) val_correct (predicted labels).sum().item() val_acc 100.0 * val_correct / val_total if val_acc best_val_acc: best_val_acc val_acc torch.save(model.state_dict(), best_model.pth) scheduler.step() print(fEpoch [{epoch1}/{num_epochs}] fTrain Loss: {train_loss:.4f} fTrain Acc: {train_acc:.2f}% fVal Acc: {val_acc:.2f}%)几个关键细节值得注意model.train()和model.eval()必须成对出现。train模式会启用Dropout和BatchNorm的batch统计量eval模式会关闭Dropout使用BatchNorm的累积均值方差。漏掉这个切换验证结果会产生严重偏差。optimizer.zero_grad()放在每个batch计算之前。如果忘了清零梯度梯度会累加上一个batch的值导致更新方向错乱。torch.no_grad()能加速验证阶段的推理同时避免计算图占用内存。保存验证集上表现最好的模型权重而不是最后一个epoch的权重。训练后期可能过拟合最后一轮未必是最优解。4.3 学习率、batch size与epoch的调参逻辑这三个参数直接控制训练过程相互影响需要放在一起考虑。Batch size决定了每个step用多少张图像计算梯度。理想值是能尽量充分利用GPU显存又不出现OOM错误。batch size过大时梯度估计稳定但容易收敛到泛化性较差的尖锐极小值batch size过小时梯度噪声大训练震荡明显。迁移学习的图像尺寸是224x224RGB三通道一张图约200KB的张量。ResNet50在GPU上常用batch size 32或64。如果显存只有4GB可以降到16或8同时相应降低学习率因为小batch的梯度方差更大需要更保守的步长。Epoch数量取决于验证集的反馈。一个常见误区是盲目设置50个epoch观察训练集acc 100%验证集acc停滞不回。正确做法是结合早停机制记录每个epoch的验证loss如果连续多个epoch例如10个没有下降就停止训练用best模型的权重做测试。学习率是最敏感的全局参数。Adam初始学习率0.001是合理起点。如果loss一开始震荡明显不下降反而上升建议调低到0.0001如果loss下降极慢可以试0.01。冻结骨干只训练分类头时学习率可以用0.01解冻全部参数后必须降至0.0001以下否则微调过程会破坏预训练特征。4.4 早停与学习率衰减的组合使用早停Early Stopping的核心设计是监控验证集指标长时间不改善时直接终止训练。patience 10 wait_epochs 0 best_val_loss float(inf) for epoch in range(num_epochs): # train and validate ... if val_loss best_val_loss: best_val_loss val_loss wait_epochs 0 torch.save(model.state_dict(), best_model.pth) else: wait_epochs 1 if wait_epochs patience: print(fEarly stopping at epoch {epoch1}) break它配合ReduceLROnPlateau效果更佳。这个调度器不像StepLR按固定epoch更改学习率而是监控验证集loss如果loss连续多个epoch不下降就自动缩小学习率。scheduler torch.optim.lr_scheduler.ReduceLROnPlateau( optimizer, modemin, factor0.1, patience5 )用这种阶梯式衰减模型能在接近最优解时用更小步长精细搜索减少在极小值附近的震荡。5. 模型评估与结果分析5.1 除了准确率还要看哪些指标分类任务里准确率无疑是最直观的指标。但在医学图像识别里只报告准确率是不完整的。需要引入精确率、召回率和F1分数。先理清几个概念TPTrue Positive真实是猴痘预测也是猴痘的正确阳性。TNTrue Negative真实是正常预测也是正常的正确阴性。FPFalse Positive真实是正常预测成猴痘的误报。FNFalse Negative真实是猴痘预测成正常的漏诊。精确率Precision TP / (TP FP)代表了所有预测为猴痘的样本中真正是猴痘的比例。精确率高说明模型误报少。召回率Recall TP / (TP FN)代表了所有真正的猴痘样本中模型能找出多少。召回率高说明漏诊少。F1分数是精确率和召回率的调和平均F1 2 * Precision * Recall / (Precision Recall)。在猴痘筛查场景中漏诊的后果远大于误报。漏诊意味着一个感染者没被识别出来可能继续传染其他人误报只是让一个健康的人做进一步检查。所以这个项目的核心优化目标应该是尽量提升召回率在保持一定精确率的前提下。5.2 混淆矩阵的解读方法混淆矩阵直观展示了模型在哪一类上犯错。假设测试集有100张图像结果如下实际\预测猴痘正常猴痘423正常253从这个矩阵可以算出猴痘类的召回率 42 / (423) 93.3%精确率 42 / (422) 95.5%。正常类的召回率 53 / (532) 96.4%。如果发现混淆矩阵里猴痘图像大量被预测成正常说明模型对猴痘的特征学习不足可能原因包括训练样本中猴痘图像数量少、数据增强强度过大破坏了关键特征、分类阈值设置不合适。最后一类情况对应的是阈值调整问题。模型输出的其实是两类概率默认阈值是0.5即概率大于0.5判为猴痘。如果更重视召回率可以把阈值降到0.3这意味着只要模型有一点倾向猴痘就触发告警。这会提升召回率但降低精确率实际部署时需要根据场景权衡。probs torch.softmax(outputs, dim1) monkeypox_prob probs[:, 1] predictions (monkeypox_prob 0.3).long()5.3 训练曲线绘制的加分项训练完成后把训练loss、验证loss、训练准确率、验证准确率四条曲线画在同一张图上这不仅是汇报材料的素材更是诊断训练过程的工具。典型情况一训练loss持续下降验证loss先降后升验证准确率停滞。这是过拟合的信号对策是增加数据增强强度、降低模型复杂度或者提前停止。典型情况二训练loss和验证loss同时高居不下。这是欠拟合说明模型容量不足或者学习率太低、训练时长不够。典型情况三验证loss比训练loss低。这种情况很少见通常说明数据划分有问题或者类别不平衡导致验证集恰好更容易。绘图本身很简单用matplotlib即可完成import matplotlib.pyplot as plt plt.figure(figsize(10, 4)) plt.subplot(1, 2, 1) plt.plot(train_loss, labeltrain_loss) plt.plot(val_loss, labelval_loss) plt.legend() plt.title(Loss curves) plt.subplot(1, 2, 2) plt.plot(train_acc, labeltrain_acc) plt.plot(val_acc, labelval_acc) plt.legend() plt.title(Accuracy curves) plt.savefig(training_curves.png)6. 常见问题、排查思路与避坑指南6.1 训练loss正常下降但验证集准确率很低这个现象几乎在每个小样本医学图像项目里都会出现。核心原因是模型过拟合了训练集。具体排查步骤第一步看数据划分。确认训练集和测试集的图像没有来自同一病人的重复图如果一张猴痘图像同时出现在训练集和测试集测试指标会虚高人格分裂的乐观会让你误判模型性能。第二步看数据增强。如果增强强度过大旋转90度、色相变化很剧烈模型学到了训练集中的噪声模式反而破坏了真实特征。适当降低旋转角度减弱色彩扰动观察验证集指标是否回升。第三步看模型容量。ResNet50训练十来个epoch就达到接近100%训练准确率说明模型表达能力已经过强。换成ResNet18试试全连接层后加Dropoutp0.5也能抑制过拟合。6.2 验证集准确率不稳定的原因有几个典型原因第一个是batch size过小导致BatchNorm统计不准确。验证阶段BatchNorm使用训练阶段累积的均值方差如果训练集过小或者batch size只有2统计量估计方差大验证结果就上下波动。解决办法是调大batch size或在训练后期用更大的batch size重新累积统计量或者改成 GroupNorm。第二个是验证集样本太少。整个测试集只有30~50张图一次预测中一张判错就能让准确率掉3~5个百分点。解决方式是多次重复评估取平均或者用k折交叉验证而不是单次随机划分。第三个是没有固定随机种子。PyTorch的随机初始化、数据加载器shuffle顺序如果没固定每次训练结果天然有波动。为了可重复实验务必固定所有随机源。6.3 显存溢出OOM的应对方案与NLP任务不同2D图像分类的显存占用计算比较简单。224x224x3的输入ResNet50训练时每个样本约占用3~5GB显存取决于batch size。如果显卡只有4GB显存建议把batch size从32降到8或4。图像尺寸从224降到160或128。多数情况下这个降幅对分类精度影响很小因为皮疹病灶区域在低分辨率下依然可辨。开启混合精度训练AMP使用FP16存储部分参数和梯度显存占用直接减半且对精度影响极小。PyTorch中只需要安装apex或者使用自带torch.cuda.amp。scaler torch.cuda.amp.GradScaler() with torch.cuda.amp.autocast(): outputs model(images) loss criterion(outputs, labels) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update()如果在CPU机器上训练没有显存概念但内存也可能爆掉。这时batch size保持4~8图像用Resize(160)而不是224训练时间会大幅缩短。6.4 训练到一半准确率卡住不动的处理一种情况是模型已经收敛到了局部最优loss平坦但准确率显著低于预期。处理方式是调整学习率让模型跳出当前区域或者重新初始化分类头权重再训练。更简单粗暴的方法是重置优化器状态换一个不同初始学习率继续训练若干epoch。另一种情况是数据标签出错。医学图像数据集的标注偶尔会混入误区比如皮肤镜图片里含有多处病灶但只标了一个类别。如果训练集整体准确率达到99%而验证集只有80%建议人工抽查训练集中模型的错误样本看是否是标签本来标错。6.5 小样本场景的几条实战建议整个P4周项目的成败与其说取决于模型结构不如说取决于数据处理的功夫。最后按优先级排序给出几条建议。导入预训练权重是底线配置。不要吝啬这一行代码用pretrainedTrue加载的模型即使只训练分类头在几百张医学图像上的表现也远好于随机初始化从头训练。数据增强宁多勿少但强度要适中。水平翻转、随机裁剪、小角度旋转、轻微色彩扰动这几项组合使用即可。图像归一化必须做。在ImageNet预训练模型上这句话是命令而非建议跳过它模型很难收敛。最终评估一定要留出独立的测试集。训练过程中反复调整超参数会影响你在验证集上的判断因为你对这个集合的信息泄露太多了。把测试集藏到最后一步出来的结果才代表真实的泛化能力。我个人从多个同类项目积累的经验是先用最简单配置跑通基线记录valid metrics再逐项加入数据增强、调阈值、换模型结构。你会发现大多数性能提升来自于数据端的处理而非网络结构的堆叠。保持每次只改一个变量记录每次实验的混淆矩阵这个习惯会让整个实验过程变得清晰可控。 
长河君 · 2026/10/19 14:51:32 · 阅读 1.2k 深度学习猴痘图像识别：基于CNN和迁移学习的实战指南
1. 项目概述1.1 为什么需要做猴痘识别猴痘是一种人畜共患病毒性传染病2022年前后在全球多个地区出现传播。它的早期症状发热、淋巴结肿大、皮疹容易与水痘、手足口病、梅毒疹等皮肤问题混淆单靠肉眼判断很容易误诊。对于基层医疗条件有限的地区缺少皮肤科专科医生这种鉴别诊断的缺口更加明显。深度学习图像分类技术正好能切入这一场景给模型看大量猴痘皮疹与正常皮肤的照片让它自动学会区分不同皮肤病变的特征。这个第P4周项目核心目标就是构建一个能自动识别猴痘皮肤病图像的卷积神经网络分类模型。这个项目适合正在入门计算机视觉方向的学习者也适合医学影像相关课题的从业者。它能锻炼几个关键能力图像数据清洗与增强、CNN模型搭建与调参、迁移学习的使用、分类模型的评估方法。你做完这一周的项目实际上就掌握了一条完整的图像分类流程从数据准备到模型训练再到结果分析与部署思考。这套流程可以平移到任何二分类或者多分类图像任务上不只是猴痘识别。1.2 项目想解决的三个核心问题这个项目的难点不在模型的forward写得有多花哨而在三个方面。第一是数据集的质量问题。医学图像数据集普遍存在样本量少、类别不均衡、图像来源复杂不同设备拍摄、不同光照条件的问题。需要处理原始图像让模型在有限的样本上学到具有泛化性的特征而不是死记硬背训练集。第二是模型容量的选择。猴痘皮疹和其他皮肤病之间的视觉差异非常细微一种水疱样皮损和另一种丘疹样皮损非专业人士根本看不出区别。模型太小学不到足够的区分性特征模型太大训练数据不够又容易过拟合。这是经典的小样本医学图像分类困境。第三是评估指标的选取。医学场景里漏诊一个猴痘患者的代价远高于误诊一个正常人。所以不能只看准确率还要重点关注召回率、精确率和混淆矩阵确保模型在真实场景中不会出现方向性偏差。这三个问题贯穿整个P4周项目。接下来我会从数据集处理开始一直到最终的评估报告把每一条操作路径都拆开来讲清楚。2. 数据准备与预处理影响模型上限的环节2.1 数据集结构与类别分布这个实验采用的数据集包含两类图像猴痘皮肤病图像和正常皮肤图像。通常数据集会按如下方式组织dataset/ ├── train/ │ ├── Monkeypox/ │ └── Normal/ └── test/ ├── Monkeypox/ └── Normal/训练集内部再切出一部分作为验证集用于训练过程中监控模型是否过拟合。常见的划分比例是训练集:验证集:测试集 7:2:1 或者 8:1:1。动手之前我建议你先统计一下每类的样本数量。这一步虽然简单但很容易被跳过而类别不均衡直接决定后面的策略选择。举个例子如果猴痘类只有80张图片正常皮肤类有400张那模型天然就会倾向预测正常类因为整体准确率会因此变高但猴痘的召回率会惨不忍睹。样本差距比较大的时候有以下几种处理办法对少数类做过采样复制或者对少数类图像多做数据增强增加权重。对多数类做降采样随机丢弃部分多数类样本保证两类数量接近。调整损失函数的类别权重在交叉熵损失里给少数类更高的权重让模型更重视学习少数类特征。我测试过的经验是小数据集上优先选类别权重的方式或者结合适度过采样。直接对少数类做大量暴力复制容易过拟合对多数类降采样又浪费了已有的数据信息。实验阶段可以先按原始分布跑一版基线记录各项指标再做类别平衡处理看看差异有多大。2.2 图像尺寸统一与像素归一化的必要性CNN模型一般要求输入尺寸固定。原因是模型的最后一层全连接FC层的输入维度是固定的而特征图经过展平后其大小必须与FC层匹配。假设输入图片尺寸不一致经过卷积和池化后特征图的宽高也会不一致全连接层就无法工作。这个项目使用的模型通常要求输入224x224或者227x227。数据集原始图像尺寸可能五花八门有的是1024x1024的高清图有的是480x360的压缩图。需要做如下处理from PIL import Image def resize_and_scale(img_path, target_size(224, 224)): img Image.open(img_path).convert(RGB) img img.resize(target_size, Image.Resampling.BILINEAR) return img这里要注意resize操作会改变图像的宽高比。如果直接拉伸皮疹的形状比例可能会产生畸变。对于医学图像这种畸变对模型的影响存在争议。一种更稳妥的方式是中心裁剪缩放即在保持目标尺寸的前提下先等比缩放图片到短边匹配目标尺寸再裁掉多余部分。这个方案保留了图像的局部特征同时避免了大幅度拉伸变形。像素归一化同样不可跳过。原始图像像素范围是[0, 255]如果直接喂给模型数值范围过大会导致梯度计算不稳定训练过程难以收敛。归一化的方式是把像素值缩放到[0, 1]区间或者进一步按每个通道的均值和标准差做标准化。def normalize(img): img img / 255.0 mean [0.485, 0.456, 0.406] std [0.229, 0.224, 0.225] # per-channel standardization img (img - mean) / std return img上面的均值和标准差是大型自然图像数据集如ImageNet的统计值。由于我们使用了基于ImageNet预训练的模型权重所以也要采用同一个预处理方式否则预训练权重的分布和输入数据的分布不匹配迁移效果会打折扣。2.3 数据增强小样本场景的保命手段医学图像数据集规模一般不大几十到几百张的训练样本很常见。如果没有数据增强模型训练几个epoch之后训练集准确率接近100%但验证集准确率却上不去这是典型的过拟合信号。数据增强的本质是在不改变语义标签的前提下对图像施加一系列不影响类别的变换产生更多的训练样本。对猴痘图像来说以下增强方式比较适用from torchvision import transforms train_transforms transforms.Compose([ transforms.RandomResizedCrop(224, scale(0.8, 1.0)), transforms.RandomHorizontalFlip(p0.5), transforms.RandomRotation(degrees15), transforms.ColorJitter(brightness0.2, contrast0.2, saturation0.2), transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ])逐个解释这里每个增强方式的作用RandomResizedCrop随机裁剪图像的一部分再resize回224迫使模型学到目标区域本身的特征而不是依赖图像中某个固定的背景区域。RandomHorizontalFlip水平翻转。皮肤图像不存在方向对抗性翻转让模型对左右变化不敏感。RandomRotation旋转15度以内。这个幅度比较保守因为旋转太大会导致边界区域出现大片黑边反而干扰学习。ColorJitter调整亮度、对比度、饱和度。模拟不同拍摄设备、不同光照条件带来的色彩差异。验证集和测试集不做随机增强只需要Resize到224x224、归一化和ToTensor。这一点经常被初学者忽略——如果验证集也做了随机增强那验证结果就会有随机波动你无法判断模型真实的泛化能力。3. 模型选型与结构拆解为什么用预训练CNN3.1 CNN的核心组件是怎么运作的在选模型之前先扎实理解CNN的运作方式。CNN由三种核心层构成卷积层、池化层、全连接层。卷积层的核心是卷积核也就是一个小的权重矩阵在输入特征图上滑动计算局部区域的加权和提取局部特征。以3x3卷积核为例它在输入图上每滑动一步就产生一个输出值。卷积层的目标就是通过训练不断调整这些卷积核的权重让网络自动学习图像特征。浅层的卷积核学习边缘、纹理、颜色块等低级特征深层卷积核则组合这些低级特征得到更抽象的语义信息。池化层的作用是降采样。最常见的是最大池化在2x2的窗口内取最大值作为输出。这样特征图尺寸缩小一半参数数量下降同时保留了最强烈的特征响应。池化还带来平移不变性也就是目标在图像里稍微移动位置池化后的输出变化不大。全连接层把卷积和池化得到的特征图展平成一维向量再进行分类。它相当于一个标准的神经网络分类器计算量占比很大所以现代网络结构中全连接层用得越来越少常被全局平均池化GAP替代。GAP把每个通道的特征图取平均值得到一个长度等于通道数的向量再直接接softmax分类。3.2 为什么选择迁移学习而不是从头训练医学图像识别任务里从头训练一个深度CNN几乎不可行。原因有二。第一CNN的参数量巨大。以VGG16为例参数量超过1.38亿。要训练出有效的特征提取器需要百万级甚至千万级的训练样本。而猴痘数据集往往只有几百上千张图像这个数量级连VGG16训练收敛都困难更别提学出好的特征。第二从头训练耗时极长。即使硬件条件允许训练一个深度CNN需要几天甚至几周而迁移学习只需要几分钟到几十分钟就能达到不错的效果。迁移学习的思路是先在一个超大数据集如ImageNet包含120万张自然图像、1000类上训练一个强大的特征提取器然后把这个特征提取器的参数搬到我们的猴痘数据集上只做少量微调。从视觉特征的角度理解这个方案自然图像和皮肤图像虽然数据分布不同但都遵循相似的视觉底层规律。蜂窝组织、纱布纹理、皮肤纹路在特征提取的底层边缘、颜色、纹理层面和ImageNet中常见的自然纹理是相通的。所以预训练模型已经学会了通用视觉特征我们只需要在新的分类头上做适配。3.3 几种候选模型结构对比P4周项目常见的候选模型包括ResNet系列、VGG系列、EfficientNet系列。VGG16结构简单3x3卷积堆叠加上池化特征提取过程非常直观适合教学分析、可视化特征图。但它的缺点是参数量巨大、训练速度慢部署时内存占用高。ResNet50的关键创新是残差连接Residual Block引入捷径连接shortcut connection让梯度能直接跳过一两层反向传播。这解决了深层网络训练时的梯度消失问题使得50层甚至更深的网络可以正常训练。ResNet50在自然图像分类中表现优秀迁移到医学图像任务表现也很稳定是目前图像分类的最常用选择。EfficientNet的特点是在网络宽度、深度、输入分辨率三个维度上做复合缩放在相同精度下参数更少、计算量更低。但它的结构相对复杂代码疑难调试时不够透明适合追求模型性能上限而计算资源有限的场景。如果你的开发环境CPU跑训练优先考虑ResNet18或者ResNet34参数量比ResNet50少了很多训练速度快不少。如果GPU显存足够硬件配置好训练脚本放在GPU上就用ResNet50作为主力。3.4 修改分类头把1000类拉回2类预训练模型在ImageNet上输出1000个类别我们需要修改最后的全连接层让输出变成2个神经元猴痘和正常皮肤再接softmax得到两个类别的概率。以PyTorch为例import torch.nn as nn from torchvision import models model models.resnet50(pretrainedTrue) num_features model.fc.in_features model.fc nn.Linear(num_features, 2)这里有个细节值得解释model.fc.in_features是原分类头全连接层的输入维度ResNet50这个值是2048。替换fc层为nn.Linear(2048, 2)后新加的全连接层参数是随机初始化的。随机初始化的分类头在刚开始时输出是混乱的迁移过来的特征提取部分权重则保留着预训练的知识。训练策略上分两种思路冻结特征提取器vs微调全部参数。冻结策略把除了fc层之外的所有参数设置成不更新requires_grad False训练时只更新fc层。优点是训练速度快、内存占用小适合数据量特别少的情况。缺点是底层特征完全固定遇到与自然图像差异较大的医学图像时特征提取器不一定能适配。微调策略初始阶段冻结骨干网络只训练fc层几个epoch再解冻所有参数用小学习率整体微调。这是更推荐的方案因为它允许模型在保留预训练知识的基础上继续适配医学图像的独有特征。解冻后学习率要调低比如从0.001降到1e-5到5e-5之间防止大的权重扰动破坏预训练参数。4. 训练过程与关键参数配置4.1 损失函数和优化器的选取图像二分类任务最常用的损失函数是交叉熵损失Cross Entropy Loss。它衡量的是预测概率分布和真实标签分布之间的差异输出值越小表示预测越准确。PyTorch中nn.CrossEntropyLoss()内部已经包含了softmax操作所以模型的最后一层不需要手动加softmax。直接输出原始logits送入损失函数就行。criterion nn.CrossEntropyLoss()如果数据存在类别不均衡可以通过给损失函数传入weight参数来解决weights torch.tensor([1.0, 3.0]) # 假设类别1猴痘权重更高 criterion nn.CrossEntropyLoss(weightweights)优化器一般选Adam或者SGD。Adam自带自适应学习率收敛速度快对新手的调参压力小SGD配合momentum能更精细地搜索参数空间泛化性往往更好但需要手动调整学习率策略。我实际测试的结果迁移学习场景下初始阶段用Adam快速收敛中后期切到SGD或者直接用带动量的SGD从0.01开始效果通常比纯Adam更优。这个结论与很多论文和开源实验的表现一致。为了简化实验流程也可以全程使用Adam设置学习率0.001配合学习率衰减策略同样能取得不错的结果。optimizer torch.optim.Adam(model.parameters(), lr0.001) scheduler torch.optim.lr_scheduler.StepLR(optimizer, step_size7, gamma0.1)StepLR的意思是每训练7个epoch学习率乘以0.1。这样前期快速下降后期细微调整。4.2 训练循环的规范化写法训练循环的骨架如下num_epochs 20 best_val_acc 0.0 for epoch in range(num_epochs): model.train() running_loss 0.0 correct 0 total 0 for images, labels in train_loader: images, labels images.to(device), labels.to(device) optimizer.zero_grad() outputs model(images) loss criterion(outputs, labels) loss.backward() optimizer.step() running_loss loss.item() * images.size(0) _, predicted torch.max(outputs, 1) total labels.size(0) correct (predicted labels).sum().item() train_acc 100.0 * correct / total train_loss running_loss / total # validation model.eval() val_correct 0 val_total 0 with torch.no_grad(): for images, labels in val_loader: images, labels images.to(device), labels.to(device) outputs model(images) _, predicted torch.max(outputs, 1) val_total labels.size(0) val_correct (predicted labels).sum().item() val_acc 100.0 * val_correct / val_total if val_acc best_val_acc: best_val_acc val_acc torch.save(model.state_dict(), best_model.pth) scheduler.step() print(fEpoch [{epoch1}/{num_epochs}] fTrain Loss: {train_loss:.4f} fTrain Acc: {train_acc:.2f}% fVal Acc: {val_acc:.2f}%)几个关键细节值得注意model.train()和model.eval()必须成对出现。train模式会启用Dropout和BatchNorm的batch统计量eval模式会关闭Dropout使用BatchNorm的累积均值方差。漏掉这个切换验证结果会产生严重偏差。optimizer.zero_grad()放在每个batch计算之前。如果忘了清零梯度梯度会累加上一个batch的值导致更新方向错乱。torch.no_grad()能加速验证阶段的推理同时避免计算图占用内存。保存验证集上表现最好的模型权重而不是最后一个epoch的权重。训练后期可能过拟合最后一轮未必是最优解。4.3 学习率、batch size与epoch的调参逻辑这三个参数直接控制训练过程相互影响需要放在一起考虑。Batch size决定了每个step用多少张图像计算梯度。理想值是能尽量充分利用GPU显存又不出现OOM错误。batch size过大时梯度估计稳定但容易收敛到泛化性较差的尖锐极小值batch size过小时梯度噪声大训练震荡明显。迁移学习的图像尺寸是224x224RGB三通道一张图约200KB的张量。ResNet50在GPU上常用batch size 32或64。如果显存只有4GB可以降到16或8同时相应降低学习率因为小batch的梯度方差更大需要更保守的步长。Epoch数量取决于验证集的反馈。一个常见误区是盲目设置50个epoch观察训练集acc 100%验证集acc停滞不回。正确做法是结合早停机制记录每个epoch的验证loss如果连续多个epoch例如10个没有下降就停止训练用best模型的权重做测试。学习率是最敏感的全局参数。Adam初始学习率0.001是合理起点。如果loss一开始震荡明显不下降反而上升建议调低到0.0001如果loss下降极慢可以试0.01。冻结骨干只训练分类头时学习率可以用0.01解冻全部参数后必须降至0.0001以下否则微调过程会破坏预训练特征。4.4 早停与学习率衰减的组合使用早停Early Stopping的核心设计是监控验证集指标长时间不改善时直接终止训练。patience 10 wait_epochs 0 best_val_loss float(inf) for epoch in range(num_epochs): # train and validate ... if val_loss best_val_loss: best_val_loss val_loss wait_epochs 0 torch.save(model.state_dict(), best_model.pth) else: wait_epochs 1 if wait_epochs patience: print(fEarly stopping at epoch {epoch1}) break它配合ReduceLROnPlateau效果更佳。这个调度器不像StepLR按固定epoch更改学习率而是监控验证集loss如果loss连续多个epoch不下降就自动缩小学习率。scheduler torch.optim.lr_scheduler.ReduceLROnPlateau( optimizer, modemin, factor0.1, patience5 )用这种阶梯式衰减模型能在接近最优解时用更小步长精细搜索减少在极小值附近的震荡。5. 模型评估与结果分析5.1 除了准确率还要看哪些指标分类任务里准确率无疑是最直观的指标。但在医学图像识别里只报告准确率是不完整的。需要引入精确率、召回率和F1分数。先理清几个概念TPTrue Positive真实是猴痘预测也是猴痘的正确阳性。TNTrue Negative真实是正常预测也是正常的正确阴性。FPFalse Positive真实是正常预测成猴痘的误报。FNFalse Negative真实是猴痘预测成正常的漏诊。精确率Precision TP / (TP FP)代表了所有预测为猴痘的样本中真正是猴痘的比例。精确率高说明模型误报少。召回率Recall TP / (TP FN)代表了所有真正的猴痘样本中模型能找出多少。召回率高说明漏诊少。F1分数是精确率和召回率的调和平均F1 2 * Precision * Recall / (Precision Recall)。在猴痘筛查场景中漏诊的后果远大于误报。漏诊意味着一个感染者没被识别出来可能继续传染其他人误报只是让一个健康的人做进一步检查。所以这个项目的核心优化目标应该是尽量提升召回率在保持一定精确率的前提下。5.2 混淆矩阵的解读方法混淆矩阵直观展示了模型在哪一类上犯错。假设测试集有100张图像结果如下实际\预测猴痘正常猴痘423正常253从这个矩阵可以算出猴痘类的召回率 42 / (423) 93.3%精确率 42 / (422) 95.5%。正常类的召回率 53 / (532) 96.4%。如果发现混淆矩阵里猴痘图像大量被预测成正常说明模型对猴痘的特征学习不足可能原因包括训练样本中猴痘图像数量少、数据增强强度过大破坏了关键特征、分类阈值设置不合适。最后一类情况对应的是阈值调整问题。模型输出的其实是两类概率默认阈值是0.5即概率大于0.5判为猴痘。如果更重视召回率可以把阈值降到0.3这意味着只要模型有一点倾向猴痘就触发告警。这会提升召回率但降低精确率实际部署时需要根据场景权衡。probs torch.softmax(outputs, dim1) monkeypox_prob probs[:, 1] predictions (monkeypox_prob 0.3).long()5.3 训练曲线绘制的加分项训练完成后把训练loss、验证loss、训练准确率、验证准确率四条曲线画在同一张图上这不仅是汇报材料的素材更是诊断训练过程的工具。典型情况一训练loss持续下降验证loss先降后升验证准确率停滞。这是过拟合的信号对策是增加数据增强强度、降低模型复杂度或者提前停止。典型情况二训练loss和验证loss同时高居不下。这是欠拟合说明模型容量不足或者学习率太低、训练时长不够。典型情况三验证loss比训练loss低。这种情况很少见通常说明数据划分有问题或者类别不平衡导致验证集恰好更容易。绘图本身很简单用matplotlib即可完成import matplotlib.pyplot as plt plt.figure(figsize(10, 4)) plt.subplot(1, 2, 1) plt.plot(train_loss, labeltrain_loss) plt.plot(val_loss, labelval_loss) plt.legend() plt.title(Loss curves) plt.subplot(1, 2, 2) plt.plot(train_acc, labeltrain_acc) plt.plot(val_acc, labelval_acc) plt.legend() plt.title(Accuracy curves) plt.savefig(training_curves.png)6. 常见问题、排查思路与避坑指南6.1 训练loss正常下降但验证集准确率很低这个现象几乎在每个小样本医学图像项目里都会出现。核心原因是模型过拟合了训练集。具体排查步骤第一步看数据划分。确认训练集和测试集的图像没有来自同一病人的重复图如果一张猴痘图像同时出现在训练集和测试集测试指标会虚高人格分裂的乐观会让你误判模型性能。第二步看数据增强。如果增强强度过大旋转90度、色相变化很剧烈模型学到了训练集中的噪声模式反而破坏了真实特征。适当降低旋转角度减弱色彩扰动观察验证集指标是否回升。第三步看模型容量。ResNet50训练十来个epoch就达到接近100%训练准确率说明模型表达能力已经过强。换成ResNet18试试全连接层后加Dropoutp0.5也能抑制过拟合。6.2 验证集准确率不稳定的原因有几个典型原因第一个是batch size过小导致BatchNorm统计不准确。验证阶段BatchNorm使用训练阶段累积的均值方差如果训练集过小或者batch size只有2统计量估计方差大验证结果就上下波动。解决办法是调大batch size或在训练后期用更大的batch size重新累积统计量或者改成 GroupNorm。第二个是验证集样本太少。整个测试集只有30~50张图一次预测中一张判错就能让准确率掉3~5个百分点。解决方式是多次重复评估取平均或者用k折交叉验证而不是单次随机划分。第三个是没有固定随机种子。PyTorch的随机初始化、数据加载器shuffle顺序如果没固定每次训练结果天然有波动。为了可重复实验务必固定所有随机源。6.3 显存溢出OOM的应对方案与NLP任务不同2D图像分类的显存占用计算比较简单。224x224x3的输入ResNet50训练时每个样本约占用3~5GB显存取决于batch size。如果显卡只有4GB显存建议把batch size从32降到8或4。图像尺寸从224降到160或128。多数情况下这个降幅对分类精度影响很小因为皮疹病灶区域在低分辨率下依然可辨。开启混合精度训练AMP使用FP16存储部分参数和梯度显存占用直接减半且对精度影响极小。PyTorch中只需要安装apex或者使用自带torch.cuda.amp。scaler torch.cuda.amp.GradScaler() with torch.cuda.amp.autocast(): outputs model(images) loss criterion(outputs, labels) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update()如果在CPU机器上训练没有显存概念但内存也可能爆掉。这时batch size保持4~8图像用Resize(160)而不是224训练时间会大幅缩短。6.4 训练到一半准确率卡住不动的处理一种情况是模型已经收敛到了局部最优loss平坦但准确率显著低于预期。处理方式是调整学习率让模型跳出当前区域或者重新初始化分类头权重再训练。更简单粗暴的方法是重置优化器状态换一个不同初始学习率继续训练若干epoch。另一种情况是数据标签出错。医学图像数据集的标注偶尔会混入误区比如皮肤镜图片里含有多处病灶但只标了一个类别。如果训练集整体准确率达到99%而验证集只有80%建议人工抽查训练集中模型的错误样本看是否是标签本来标错。6.5 小样本场景的几条实战建议整个P4周项目的成败与其说取决于模型结构不如说取决于数据处理的功夫。最后按优先级排序给出几条建议。导入预训练权重是底线配置。不要吝啬这一行代码用pretrainedTrue加载的模型即使只训练分类头在几百张医学图像上的表现也远好于随机初始化从头训练。数据增强宁多勿少但强度要适中。水平翻转、随机裁剪、小角度旋转、轻微色彩扰动这几项组合使用即可。图像归一化必须做。在ImageNet预训练模型上这句话是命令而非建议跳过它模型很难收敛。最终评估一定要留出独立的测试集。训练过程中反复调整超参数会影响你在验证集上的判断因为你对这个集合的信息泄露太多了。把测试集藏到最后一步出来的结果才代表真实的泛化能力。我个人从多个同类项目积累的经验是先用最简单配置跑通基线记录valid metrics再逐项加入数据增强、调阈值、换模型结构。你会发现大多数性能提升来自于数据端的处理而非网络结构的堆叠。保持每次只改一个变量记录每次实验的混淆矩阵这个习惯会让整个实验过程变得清晰可控。