1410 views
#### 回到 [`教學大綱`](https://md.kingkit.codes/s/siSKyknlU) / [`Web:AI 程式積木`](https://md.kingkit.codes/s/X4vMmbtp_) <style> blockquote.announcement { background-color: #f4aa14; height: 50px; width: 100%; display: flex; justify-content: center; border-left: none; } blockquote.announcement p { color: white; height: 100%; align-items: center; display: flex; } .announcement a { background-color: rgba(0, 0, 0, 0.2); text-decoration: none; padding: 6px 16px; border: 1px; border-radius: 8px; color: #fff; line-height: 30px; } </style> <blockquote class="announcement"> <p> Webduino 學習手冊網站即將改版,提供您更好的閱讀體驗!<a href="https://resource.webduino.io/docs/webai" target="_blank" rel="noopener" >搶先試用</a > </p> </blockquote> # 影像分類 Web:AI 影像辨識分為 **影像分類** 以及 **物件追蹤**,可以使用 Web:AI 開發板拍攝影像上傳至 Webduino 影像訓練平台進行影像訓練,將訓練完成的模型下載,再使用程式積木執行影像辨識。 本章節將會介紹「影像分類」積木的使用方式。 ## 下載影像分類模型 在使用影像分類之前,需要先訓練好模型,並下載至開發板中,訓練流程歡迎參考:[三、影像訓練](https://md.kingkit.codes/s/mopjgVaZU)。 按照步驟下載後,就可以使用「影像分類」積木進行操作了。 ## 設定影像分類模型 在操作影像分類前,需要先使用「設定影像分類模型」積木對模型作設定。 ![](/uploads/upload_7b83f05b602f41f96f9afbfeda5b9abc.jpg) - 模型:影像分類使用的模型。 - 分類:模型中的分類,使用半形逗號「,」分隔。 - 鏡頭反轉:在使用特定外殼時會有前後鏡頭功能,因此需要勾選讓鏡頭反轉,避免畫面上下顛倒。 > 如果是使用無外殼的 Web:AI 開發板,使用預設的不勾選。 - 寬高:影像的尺寸大小。如果是使用自行訓練的模型,需要手動輸入;如果是使用 [Webduino 影像訓練平台](https://vision.webduino.io/) 訓練的模型,使用的尺寸則會是: - 寬:224 - 高:224 在「設定影像分類模型」積木中可以選擇要使用的模型,**選擇的模型必須和下載到開發板中的板子一致**,才能順利進行辨識。 ![](/uploads/upload_b930030ac6820dee0c105ebbb8292520.png) 選擇模型方式又會依據使用的平台及建立方式而不同,如下: - ### 選擇模型 ( 線上版 ) 點擊「模型」,可以從下拉選單中選擇想使用的模型,選單中的模型會根據 [Webduino 影像訓練平台](https://vision.webduino.io/) 列出可使用的影像分類模型。 ![](/uploads/upload_683d5d0a22f51326916f12ba15cf523f.png) - ### 選擇模型 ( 安裝版 ) 在「模型」中手動輸入,並將「分類」反白複製後貼上。 > 因為分類的順序會影像到是否能正常辨識,為確保順序正確,建議直接將分類反白複製。 ![](/uploads/upload_1e61f3f88871986aa8d9a891bb3977a1.jpg) - ### 選擇模型 ( 新增自訂模型 ) 如果是自行將模型燒錄進開發板,或是將模型檔案放在 SD 卡中,就需要使用「新增自訂模型」,如下方步驟: 1. 點擊「新增自訂模型」。 2. 輸入模型名稱,按下確定。 3. 模型選單中出現自訂模型,後方會標示 **( 自訂 )** 4. 在「分類」填入自訂模型的分類順序 ## 開始辨識影像 使用「開始辨識影像」積木來觸發影像辨識的進行。 因為這塊積木代表觸發 1 次影像分類,如果需要重複觸發,就需要在外層放上「無限重複」積木。 ![](/uploads/upload_f1c7a67a2875f34be15d895bb354182c.png) ## 取得辨識到的影像名稱 當開始辨識時,可以使用「取得辨識到的影像名稱」積木來顯示辨識到的分類名稱。 例如:使用模型「monster」,裡面的分類是「green,yellow,red,blue」,那麼「取得辨識到的影像名稱」積木就會是「green,yellow,red,blue」中的其中一個。 ![](/uploads/upload_9d457d5d878a8afca13c377475cff5b0.png) ## 取得辨識到的影像信心度 當開始辨識時,可以使用「取得辨識到的信心度」積木來顯示辨識到的信心度。 信心度最高為 100、最低為 0,若信心度越高,代表偵測錯誤的可能性越低。 > 因為影像訓練辨識的結果會落在一個區間範圍內,若信心度為 90%,代表有 90% 的機率真正的結果會落在這個區間範圍內。 ![](/uploads/upload_47b481159799efcfda48fd36fe831bbb.png) ## 範例:影像分類 1. 先從 [Webduino 影像訓練平台](https://vision.webduino.io/) 下載要進行影像訓練的模型,如範例是使用模型「monster」。 > 有關如何訓練影像模型,歡迎參考:[三、影像訓練](https://md.kingkit.codes/s/mopjgVaZU)。 ![](/uploads/upload_05e9f1e0bdcac076f5d9976ce9526294.jpg) 2. 使用「設定影像分類模型」積木,選擇使用的模型。 ![](/uploads/upload_537b21839bcd48b32795cd6e5418f789.jpg) 3. 使用「無限重複」積木,放入「開始辨識影像」積木、「顯示文字」積木。 ![](/uploads/upload_30a3966ae32fbd8f7c26d5cd0c503f06.jpg) 4. 在「顯示文字」積木內放入要顯示的影像分類資訊,範例為顯示:**分類名稱_信心度**。 ![](/uploads/upload_2239add9b2cfbb635f883fc21425971e.jpg) 5. 將積木組合,按下部署即可以開始執行影像分類。 ![](/uploads/upload_87abba90f956034aa9540ae021601d30.jpg) ![影像辨識結果](/uploads/upload_18ff3d4a326a6123cb54fb20940150f9.png)