#### 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。
- 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。
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。
- ### 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。
- ### 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。
## 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。
## 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。
## 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)。
2. 使用「設定影像分類模型」積木，選擇使用的模型。
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。
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**。
5. 將積木組合，按下部署即可以開始執行影像分類。
