基于Python的CNN迁移学习实现夏冬季节风景图像分类实战

又是毕设季节。看到“基于Python的卷积神经网络训练识别夏冬季节风景”这个题目，我第一反应是：典型但确实有得做。说它典型，是因为它本质上是图像二分类，夏季和冬季，两个标签，网络结构不用太复杂；说它有得做，是因为“风景”这个词对数据质量的要求很高，而且涉及数据采集、清洗、训练调参、结果可视化、指标分析一整条链路，随便哪个环节偷懒，最终效果都会在验证集上原形毕露。这篇文章就把我复盘类似项目时的完整思路、参数选择理由、踩过的坑、以及最后怎么把成果写进论文和答辩，一次性说清楚，给正在做图像分类类毕设的同学一份可以照着抄的作业。

1. 整体设计思路：这个任务到底难在哪

1.1 从任务本质看：为什么CNN比颜色统计更靠谱

先说清楚一个很常见的问题：夏季和冬季的风景，肉眼看起来差别很大，一个绿意盎然，一个银装素裹，那是不是统计一下绿色像素比例、白色像素比例就能分类了？答案是，如果你用的是从摄影网站精心挑选的高质量图片，阈值法也许能到80%以上的准确率，但一放到真实场景里马上露馅。原因很简单：夏季也会有白色物体（天空、云、白色建筑），冬季也有常绿植物；阴天拍的冬季照片整体偏灰、偏暗，和黄昏时拍的夏季照片在颜色分布上可能非常接近；再加上逆光、夜景、人工灯光、手机HDR处理，会让“用颜色当硬规则”的做法变得非常脆弱。

这正是必须上卷积神经网络的原因。CNN不是去看“有多少像素是绿的”，而是通过一层层卷积核，从图像中逐级提取局部特征：底层可能是边缘、颜色块，中层可能是纹理、形状，高层才开始组合出“树干”“积雪”“枯枝”这类语义概念。它可以同时利用颜色分布、纹理结构、物体形状和场景布局来做综合判断。换一个生活化的类比：传统方法像只看衣服颜色认人，换个灯光就看走眼；CNN相当于把身高、轮廓、走路姿态、脸部特征全用上，容错能力和泛化能力根本不在一个层次。

在毕设场景下，选CNN还有一个隐性好处：可视化手段丰富。训练完之后，你可以用Grad-CAM之类的工具把模型的关注区域画出来，看到它确实在盯着树叶和雪地做判断。这种东西放在论文里，比单纯贴一张准确率曲线有说服力得多。

1.2 系统框架与典型开发流程

一个完整的项目，不只是一段训练代码。我觉得至少包括几个模块：

• 数据模块：负责读取图片、预处理、数据增强、划分训练集和验证集
• 模型模块：定义网络结构，加载预训练权重，替换最后的分类层
• 训练模块：封装训练循环、验证循环、学习率调整、模型保存
• 评估模块：计算准确率、精确率、召回率、F1值，画混淆矩阵
• 可视化模块：绘制训练曲线、Grad-CAM热力图、错误样本图

整个开发流程，我的建议顺序是：先搭通数据读取和训练的“最小闭环”，用几十张图片跑通，确认代码没问题；再补全数据清洗和增强策略，做一次小规模试验；然后才是完整训练、调参、评估和可视化。很多同学一上来就折腾模型结构，到最后卡在数据加载的坑里出不来，反而浪费大量时间。先跑通再优化，是最稳妥的路径。

2. 打数据：决定上限的关键环节

2.1 数据来源与初筛：先保证“干净”

机器学习项目里有一句话：Garbage in, garbage out。对季节识别而言，数据的“脏”通常体现在几个方面：

第一是混入非风景图。题目要求的是风景，但网络上搜“夏季图片”，会出现大量人物特写、室内拍摄、美食照片、电影截图，这些全部要过滤掉。我是先做一个自动过滤脚本，把分辨率过低（比如小于256×256）、宽高比严重失衡的图片直接剔除，再做人工肉眼筛选。

第二是季节标签不清晰。有些照片拍摄于季节交替期，树叶半黄半绿，或者地面盖着薄雪但没有明显的冬季氛围，这类图应该果断删掉。给标注留一个“不确定”类别，不要硬塞进两类里。

第三是图片重复或相似度极高。同一个摄影师在同一地点连拍的几十张照片，会严重削弱数据集的多样性，训练出来的模型发生灾难性遗忘的风险更高。

关于数据来源，我建议优先选用公开的、允许学术使用的图像数据集，比如ImageNet中的相关子类，或者单独收集的风景图像数据集，这样版权和复用问题都干净。也可以自己写爬虫从网络图库抓图，但毕设场景下我更推荐公开数据集加少量自制补充。

清洗之后还需要统一格式。我统一把图片缩放到256×256像素，用中心裁剪的方式变成224×224，因为后面要加载的预训练模型默认输入尺寸就是224×224。缩放时要注意：不要直接拉伸变形，应该保持宽高比缩放后，再从中心裁剪固定尺寸。这个细节如果不处理，模型看到的物体比例会失真。

2.2 数据增强：加太多反而坏事

数据增强是毕设里最容易被误解的部分。很多同学以为增强一定越多越好，结果把夏季照片的色调抖动到泛白，把冬季照片的曝光调亮，训练集看起来跟验证集完全是两个风格，最后训练损失很低，验证准确率却一塌糊涂。

我实际使用的增强组合是这样的：

• 随机水平翻转，概率0.5
• 随机旋转，角度限制在±10度
• 随机裁剪（ResizedCrop），缩放范围0.8到1.0
• 轻微的颜色抖动，亮度、对比度、饱和度各在±0.2以内
• 归一化到ImageNet的均值和标准差

这个组合的思路是：一方面模拟拍照角度的自然变化，另一方面增加光照差异的鲁棒性。这里有一个关键理解：数据增强的目的是为了让模型见到更多“合理的变化”，而不是发明不存在的拍摄条件。旋转超过15度就会让风景照看起来像是倾覆了，这不是真实的拍摄场景，只会把模型带偏。

颜色抖动需要注意一个特殊情况：冬季照片的“白平衡偏移”问题。如果增强时亮度参数设置过大，白雪就会变成灰雪，模型会错误地认为“冬季的整体色调偏灰暗”。所以我觉得亮度扰动控制在±0.1以内更稳妥，优先靠真实样本的多样性来扛泛化。

2.3 数据划分与标签管理：别让信息泄漏毁掉实验

数据划分看起来机械，但其实是最容易犯致命错误的地方。假如你的数据集中有30张照片是从同一个景点同一组连拍得来的，随机划分时它们会被同时分到训练集和验证集。模型在训练时记住了这些高度相似的图片，验证集上表现得异常好，但这并不是真正的泛化能力，一换到真实场景就露馅。

正确的做法是：按照“场景”或“拍摄批次”划分，而不是按图片划分。在代码层面实现时，我建议给每张图片维护一个场景ID，这个ID可以是拍摄地点加日期的组合，然后保证同一个场景ID的图片全部落在同一个集合内。

我用的是约7000张有效图片，夏季3500张、冬季3500张，按场景划分成训练集、验证集、测试集，比例大约是7:2:1。不要单独建一个测试集，听起来浪费，但最后写论文的时候，测试集是唯一可以放心用来说明模型真实水平的数字。验证集在调参过程中已经被间接“看”了很多次，严格来说已经存在信息泄漏。

3. 模型选型与训练参数

3.1 为什么我推荐用ResNet18做迁移学习

关于选什么网络，我直接说结论：对于“夏冬季节风景识别”这种图像二分类任务，ResNet18搭配ImageNet预训练权重，是一个性价比和安全系数都极高的选择。

为什么不是更深的ResNet50或更大参数量模型？因为二分类任务不需要那么强的表示能力。任务本身是二分类，且数据集规模和多样性有限，用太深的模型，学到的绝大部分参数都在重复刻画训练集的噪声，反而容易过拟合。而且模型越大调参越难，训练时间越长，在笔记本CPU或低端GPU上就是一个负担。从工程角度来说，用最小的模型把任务做到85%以上的准确率，比用超大模型做到90%，在毕设答辩中更受认可，因为你能讲清楚每一个设计选择背后的理由。

为什么不用VGG16？VGG的卷积核设计很规整，结构简单，在很多老教材中仍然是标准结构。但它有三个全连接层，参数量巨大，训练的显存占用和耗时都要高得多，而且图像尺寸还需要缩放到224×224，和ResNet相比收益差很多。ResNet的残差结构让信息可以直接跨层传递，在数据规模不够大的时候训练更稳定，收敛更快。

迁移学习的核心思路是：把在ImageNet上学习到的通用特征能力“借用”过来，然后针对我们的季节识别任务做适配。如果从头训练ResNet18，需要海量数据和很长的训练周期，在毕设场景下不现实。有了预训练权重，即使只有几千张图片，也能在几十个epoch内取得可接受的效果。

这里还要提醒一下：直接用预训练模型时，最后一层全连接输出是1000类，必须替换成输出维度为2的新全连接层。这个替换是每个迁移学习任务都绕不开的操作。

3.2 核心训练细节：学习率、优化器与代价函数

这一部分我尽量把参数为什么这么设置讲清楚，直接默认可行的配置。

• 损失函数：CrossEntropyLoss，也就是Softmax加交叉熵，分类任务的标配
• 优化器：Adam，初始学习率1e-4；也可以换成SGD+momentum 0.9，初始学习率1e-3，weight_decay设为1e-4，SGD往往能取得更扎实的收敛效果，但需要更仔细地调学习率
• Batch size：64。显存够就设大一点，batch size太小会让训练过程震荡更明显
• Epoch数：30到50之间，配合早停机制

学习率的选择是训练中最关键的一步。迁移学习的场景下，因为模型已经在大数据集上预训练过，学习率不宜过大。如果从头训练，用1e-3甚至1e-2都可以；但迁移学习直接用1e-3的Adam，损失很容易出现震荡。我实践下来，Adam配1e-4是最稳的组合，如果让损失曲线平稳运行3个epoch以上，可以尝试再降一半。SGD配1e-3、配合余弦退火或者指数衰减，也可以稳定收敛，只是需要多花一点时间在调试初始学习率上。

关于是否冻结预训练权重：分两种情况。如果数据量特别少且图像分布和ImageNet差异不大，可以先冻结骨干网络，只训练替换出来的全连接层，这是一种快速而安全的方式。但改进空间有限。更好的做法是先用较小的学习率，比如1e-4，对所有层进行微调。预训练权重虽然已经很通用，但自然风景照的颜色分布和物体组合仍有特殊性，冻结骨干网络会让模型无法充分适应我们的任务。

我实际操作时的安排是：用3个epoch只训练分类头（把backbone冻结），等待loss开始下降稳定后，再解冻backbone，用更小的学习率，比如5e-5，全量微调。这个方法的好处是：分类头在初始阶段能先快速适应任务，之后backbone再慢慢调整特征表示，整个训练过程更平稳，最终准确率通常也会比直接全量微调好。

3.3 训练模板与调试经验

这里给出一个可以运行的PyTorch训练模板，这个模板我实测过，可以拿来做基础框架。

import torch import torch.nn as nn from torchvision import models, transforms, datasets from torch.utils.data import DataLoader # 数据预处理 train_transforms = transforms.Compose([ transforms.Resize(256), transforms.RandomResizedCrop(224, scale=(0.8, 1.0)), transforms.RandomHorizontalFlip(), transforms.ColorJitter(brightness=0.1, contrast=0.2, saturation=0.2), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) val_transforms = transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) # 加载预训练模型 model = models.resnet18(weights=models.ResNet18_Weights.IMAGENET1K_V1) num_features = model.fc.in_features model.fc = nn.Linear(num_features, 2) model = model.to('cuda' if torch.cuda.is_available() else 'cpu') # 冻结骨干，只训练分类头 for param in model.parameters(): param.requires_grad = False for param in model.fc.parameters(): param.requires_grad = True optimizer = torch.optim.Adam(model.fc.parameters(), lr=1e-3) criterion = nn.CrossEntropyLoss() # 先训练分类头3个epoch，再解冻全部层 # 之后把学习率设为1e-4继续训练，配合步长衰减或早停

这个模板有几个细节值得注意：第一，使用ResNet18_Weights.IMAGENET1K_V1显式指定预训练权重，比起旧代码里的pretrained=True更规范；第二，训练时每个epoch结束后都要在验证集上评估，保留验证准确率最高的模型参数；第三，早停机制建议把耐心值设为7到10个epoch，如果验证损失连续7个epoch不改善就停止训练，可以防止过拟合继续恶化。

另外提醒一个小坑：数据加载时，不要忘记设置num_workers。Windows环境下num_workers=0可能会慢一些，但可以避免很多奇怪的RuntimeError；Linux环境设置成4或8可以明显提高数据加载速度。

4. 训练中实测踩坑与排查

4.1 过拟合的典型症状与对策

训练到第10个epoch左右，我遇到了最典型的问题：训练准确率已经接近98%，验证准确率却卡在82%附近不再上涨，而且两者之间的差距还在拉大。这就是过拟合的典型信号——模型在逐渐“背诵”训练集中的细节特征，而不是在学习可以泛化的规律。

我按顺序做了三步调整，每一步都效果明确：

先加大数据增强的强度。把RandomResizedCrop的缩放范围更改为(0.6, 1.0)，颜色抖动饱和度上限提高到0.3，让模型每轮看到的训练样本差异更大。增强的本质是不断给模型制造“新样本”，加大增强强度会直接降低对训练集的记忆能力。

然后是给模型加上Dropout层。虽然ResNet没有专门的全连接层需要Dropout，但可以在分类头前后插入一个概率为0.5的Dropout层。每次前向传播随机丢弃一半的神经元连接，迫使模型不依赖单一特征路径做判断。

最后是降低学习率，同时使用早停法。Adam优化器在后期如果学习率不变，容易陷入过拟合区域的局部震荡，把学习率从1e-4降到5e-5，并配合早停法，让模型在验证集上找不到更好结果时及时停止。最后验证准确率稳定在了88%左右，过拟合问题基本可控。

4.2 混淆矩阵里的“夏秋问题”

当我完成第一轮训练并绘制混淆矩阵时，发现一个很有意思的问题：夏季图片的误判率明显高于冬季，而且误判成冬季的样本大多是黄色调很强、树叶稀疏的“夏末秋初”风格照片。夏季图像中有些落叶和枯草，在模型看来更像是冬季的萧瑟感。而冬季照片因为雪地纹理非常显著，反而很少被误判成夏季。

这个问题印证了一个认知：季节识别并不像肉眼看到的那样简单，它本质上是一个连续变化的信号，夏季和冬季只是两个端点，中间存在大量模棱两可的过渡状态。解决这个问题，我用了三种策略：

一是数据筛选。回到原始数据中，找出这类“黄绿色过渡”样本，要么剔除，要么打上更严格的标签。既然任务只有两类，就需要尽量保证训练样本属于明确的夏或冬。

二是增加类别。如果时间允许，可以增加一个“秋季”类别，把这个问题从二分类变为三分类。实际上，有些同学在回答导师“为什么不用三分类”时，可以补充说明这是后续扩展方向，反而体现思考深度。

三是对损失函数做调整。如果两类别数量也存在小的失衡，可以在CrossEntropyLoss中设置类别权重。我这里因为两边数据量基本一致，没有做额外处理，但如果你采集的数据不平衡，这一步是一定要做的。

4.3 训练震荡与Loss不降的排查顺序

在另一轮实验中，我尝试不冻结主干网络，直接用1e-3的Adam学习率从头微调，结果训练损失像锯齿一样上下波动，完全没有下降趋势。这是我早期调试中的一个典型失败记录。

排查的时候，我按下面的顺序检查：

首先看学习率是否过大。在迁移学习中，权重的初始梯度量级和总计分类头随机初始化的量级完全不同，直接用较大的学习率更新整个网络，会导致骨干参数剧烈震荡。降低学习率之后，波动很快就缓和了。

然后看数据增强是否过于激进。有些增强叠加会让图像内容严重变形，尤其是过度旋转和缩放。减少增强强度后，损失曲线平滑很多。

接着检查标签和数据对应是否出错。我用了一个小技巧，随机抽取一小批训练图像，把标签和文件名打印出来人工核对。发现自己曾犯过这样一个错误：因为文件夹名称写错，把两个季节的数据搞反了，造成的训练损失下降缓慢完全不意外。

最后是权重初始化的问题。如果自定义了一个新分类头，权重初始化方式不当，也会让训练初期梯度很大。但使用预训练模型时这个问题不太突出。

这个排查顺序其实也适合任何分类项目的调试流程：先排除最基础的学习率问题，再检查数据，最后看代码逻辑。不要一上来就怀疑模型结构。

5. 评估、可视化和答辩加分

5.1 评估指标：准确率之外的细节

很多人的毕设论文只写一个总的识别准确率，这是远远不够的。准确率确实直观，但它在数据分布不均衡的情况下会给出误导信息。验证集中如果夏季图片略多于冬季，哪怕模型把所有图都判成夏季，准确率也不会太低，但这个模型显然没有意义。

所以我的评估部分至少包含五个数字：

在论文里，我会放一个“夏季”和“冬季”各自的精确率、召回率表格，并简单分析两个类别的差异原因。这种细节比大而化之的“准确率90%”更能打动评审老师，因为它说明你真的理解分类任务中的衡量标准。

如果你有时间，还可以画一张ROC曲线并计算AUC值。AUC值不依赖具体阈值，可以在不同误判率下给出整体评估，是一个很好的补充图表。

5.2 Grad-CAM让模型“说话”

这个可视化手段一定要用，它是答辩时的加分神器。Grad-CAM的全称是Gradient-weighted Class Activation Mapping，思路是用类别得分对最后一个卷积层的特征图求梯度，再把梯度的全局平均作为特征图的加权系数，叠加出一张“模型关注区域”的热力图。

实践层面的做法是：选一批测试图片，把热力图叠加到原图上，红色区域表示模型判断时重点关注的区域。夏季图片的热力图通常集中在绿色植被区域，冬季图片则集中在雪地和枯枝区域。这种对比非常直观，直接把黑盒模型打开了一个窗口。

在写论文时，我建议放三组图：第一组是正确的样本，说明模型关注区域合理；第二组是错误样本，分析模型到底关注了哪里才判断失误；第三组是对比样本，比如同一地点不同季节的图片，说明模型确实学到了季节变化而非场景本身。

如果有些同学用的是其他网络结构，或者担心Grad-CAM的可视化效果不清晰，还可以叠加一个“遮挡实验”作为补充：用灰色方块遮挡图像的不同区域，观察预测得分的变化。得分下降最多的区域，就是模型最依赖的区域。“遮挡实验”实现上很简单，但方法学意义更强，在深度学习论文里也是常见做法。

5.3 论文与答辩的实战梳理

论文结构上，我最推荐的是：第一章背景和任务定义，第二章相关工作和数据集描述，第三章模型选型和训练策略，第四章实验结果和分析，第五章总结和展望。不需要长篇大论写深度学习发展史，重点放在“你针对这个具体任务做了哪些事情、为什么这样做”。

答辩时，最大的加分项是能够清晰解释三个问题：为什么选这个数据集，为什么用这个模型，为什么用这些训练策略。我自己的经验是，提前准备一张“方案对比与选择理由”的幻灯片，把“备选方案A”、“备选方案B”和“最终方案C”列出来，分别说明优缺点。比如列出“传统颜色阈值法”和“CNN迁移学习”的对比，再列出“ResNet18”和“更深的VGG16/ResNet50”的对比，这样评委老师会认为你的设计是经过思考的，而不是随手抄了一个模型。

还有一点很有用的经验：把失败实验也写进论文或答辩PPT。比如“我尝试了不用预训练权重从头训练，准确率只有71%，说明预训练对数据量有限的场景很重要”。挑战是评委会觉得你数据量太少，但主动坦诚实验过程，反而能展示工程能力和对问题的理解深度。

最后再说一点我的实际感受。这个项目难的不是模型的正面写法，而是从数据到训练到评估的闭环里，任何一个环节都可能有隐藏的麻烦。认真做好数据清洗，训练时盯住验证集而不是训练集，评估时多写几个指标，可视化时展示全程结果，这些做扎实了，项目质量会明显提升一个档次。后续要扩展的话，把二分类改成四季节分类，加入位置和时间信息的多模态输入，或者换成轻量化模型部署到移动端，都是很自然的下一步方向。