1. 项目背景与核心目标
这个计算机视觉作业项目聚焦于使用两层神经网络提升图像分类精度。图像分类作为计算机视觉的基础任务，其目标是将输入图像自动归类到预定义的类别中。传统方法依赖手工特征提取，而神经网络能够自动学习图像特征，显著提升了分类性能。
两层神经网络在这里指的是包含一个隐藏层和一个输出层的全连接网络结构。相比单层感知机，增加隐藏层能够学习更复杂的非线性特征表示。但相比深度神经网络，两层网络在参数量和计算复杂度上更为轻量，适合作为教学案例和初步实验。
2. 技术方案设计
2.1 网络架构设计
基础的两层神经网络架构如下：
- 输入层：将图像展平为一维向量。对于32×32的RGB图像，输入维度为3072(32×32×3)
- 隐藏层：通常使用ReLU激活函数，节点数可设置为512或1024
- 输出层：使用softmax激活函数，节点数等于类别数
import torch.nn as nn class TwoLayerNet(nn.Module): def __init__(self, input_size, hidden_size, num_classes): super(TwoLayerNet, self).__init__() self.fc1 = nn.Linear(input_size, hidden_size) self.relu = nn.ReLU() self.fc2 = nn.Linear(hidden_size, num_classes) def forward(self, x): out = self.fc1(x) out = self.relu(out) out = self.fc2(out) return out2.2 精度提升策略
为提高分类精度，我们可以采用以下技术：
- 批归一化(BatchNorm)：在隐藏层后添加批归一化层，加速训练并提升模型稳定性
- Dropout：在隐藏层后添加Dropout层(如p=0.5)，防止过拟合
- 学习率调度：使用余弦退火或步长衰减等学习率调整策略
- 权重初始化：使用Xavier或Kaiming初始化方法
- 数据增强：对训练图像进行随机裁剪、水平翻转等变换
3. 实现细节与优化
3.1 数据预处理
良好的数据预处理对模型性能至关重要：
transform_train = transforms.Compose([ transforms.RandomCrop(32, padding=4), transforms.RandomHorizontalFlip(), transforms.ToTensor(), transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010)), ]) transform_test = transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010)), ])3.2 训练过程优化
训练过程中可以采用以下技巧：
- 混合精度训练：使用AMP(Automatic Mixed Precision)加速训练
- 标签平滑：减轻模型对训练标签的过度自信
- 梯度裁剪：防止梯度爆炸
- 早停机制：基于验证集性能提前终止训练
# 使用AdamW优化器 optimizer = torch.optim.AdamW(model.parameters(), lr=1e-3, weight_decay=1e-4) # 使用余弦退火学习率调度 scheduler = torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=200)4. 实验结果与分析
在CIFAR-10数据集上的典型实验结果：
| 模型配置 | 测试准确率 | 训练时间(epoch) |
|---|---|---|
| 基础两层网络 | 52.3% | 20 |
| +批归一化 | 56.8% | 20 |
| +Dropout | 54.1% | 20 |
| +数据增强 | 58.2% | 20 |
| 全部优化 | 61.7% | 50 |
从结果可以看出：
- 批归一化带来约4.5%的精度提升
- Dropout单独使用可能降低训练集精度但提升泛化能力
- 数据增强效果显著
- 综合优化可获得接近10%的精度提升
5. 常见问题与解决方案
5.1 训练不收敛
可能原因及解决方案：
- 学习率不合适：尝试1e-4到1e-2范围内的不同值
- 梯度消失/爆炸：添加批归一化，使用合适的初始化
- 数据问题：检查数据预处理是否正确
5.2 过拟合
应对策略：
- 增加Dropout率
- 加强数据增强
- 添加L2正则化
- 减少隐藏层节点数
5.3 类别不平衡
处理方法：
- 使用加权交叉熵损失
- 过采样少数类或欠采样多数类
- 使用Focal Loss
6. 进阶优化方向
为进一步提升两层神经网络的分类性能，可以考虑：
- 自注意力机制：在网络中添加轻量级的注意力模块
- 知识蒸馏：使用大模型指导小模型训练
- 神经网络架构搜索：自动寻找最优的隐藏层大小和超参数
- 集成学习：训练多个网络并组合预测结果
# 添加注意力模块的示例 class AttentionLayer(nn.Module): def __init__(self, hidden_size): super().__init__() self.attention = nn.Sequential( nn.Linear(hidden_size, hidden_size//4), nn.ReLU(), nn.Linear(hidden_size//4, 1), nn.Sigmoid() ) def forward(self, x): weights = self.attention(x) return x * weights通过系统性地应用这些优化策略，即使是简单的两层神经网络也能在图像分类任务上取得不错的性能，为后续学习更复杂的深度神经网络奠定基础。
