293 views
#### 回到 [`教學大綱`](https://md.kingkit.codes/s/siSKyknlU) # 三、影像訓練 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。 ## 影像辨識流程 進行影像辨識的流程中,需要先分別建立影像分類,接著選擇要建立的模型種類 ( 影像分類、物件追蹤 ),並將分類放入模型中,就可以使用模型來進行影像辨識了。 ![](/uploads/upload_499be377eb3ef3848cd92334209b9b78.png) ## A. 登入影像訓練平台 1. 點擊連結進入 [Webduino 影像訓練平台](https://vision.webduino.io)。 ![登入畫面](/uploads/upload_c05bf863042a5e058ff175a0bdfc1ecf.png =600x) 2. 點擊「Register」按鈕註冊帳號或使用 Google、FB 帳號直接登入。 ![同意授權](/uploads/upload_5c92d56778b31b686d9116fe16d79bfd.png =600x) 3. 點擊「同意授權」,進入 Webduino 影像訓練平台。 ## B. 建立分類 1. 在 Webduino 影像訓練平台中可以看到左側的側邊欄有「分類」和「模型」兩個選項,點擊「分類」進入分類列表。 ![分類列表](/uploads/upload_95f140f81372466c615d54ec195f0268.png =600x) 2. 點擊藍色「新增」按鈕,跳出「建立分類」視窗。 ![建立分類](/uploads/upload_8a3c86c0cd8325837d4ccdddf39badb0.png =600x) - 輸入分類名稱,**請勿輸入中文、空格、符號** - 選擇分享狀態 - 影像上傳方式點選「Web:AI」,進入下一步 ![](/uploads/upload_51dee50233ff9b3067dbde3e1179b8e7.jpg =600x) - 輸入要拍照的數量 - 輸入 Web:AI 開發板的 DeviceID - 選擇是否旋轉鏡頭 - 是:使用後鏡頭 ( 鏡頭在螢幕背面 ) - 否:使用前鏡頭 ( 鏡頭和螢幕在同一側 ) > 目前因為鏡頭旋轉功能外殼尚未上市,因此旋轉鏡頭選項**不需勾選**,敬請期待! 3. 點擊「建立分類」按鈕 ![](/uploads/upload_26143c122bdc6adeac5cf1bb124805fa.png =600x) 4. 看到「傳送指令成功」訊息,就可以開始使用 Web:AI 開發板拍照。 ## C. 使用開發板拍攝影像 傳送指令成功後,開發板會重新啟動,進入拍照模式。 ### 拍照模式 - 左上角白色數字:目前拍照張數 - L 按鈕:拍攝照片 - R 按鈕:調整白框大小 - 中間白色方框:拍照時,讓拍攝物件跟方框相當大小 ![](/uploads/upload_cf63b2e27ef9efa9f58fe5127e8447a7.png) 讓**拍攝物件跟方框相當大小**時按下 **L 按鈕** 拍攝,並且稍微轉動角度,拍攝不同角度影像。 ### 上傳影像 1. 拍完設定的照片數量後,畫面會變全黑,開始上傳圖片。 ![](/uploads/upload_bc218c4a4f6d483fed0da9390e9418d6.png =600x) 2. 等待上傳完成後,畫面中央會顯示白色 ok,正下方顯示上傳時間。 ![](/uploads/upload_746aa7aef3c1e1fb295eb7470ad46a11.png =600x) 3. 點擊視窗中的 ✕ 或「回到主畫面」,將視窗關閉。 ### 建立 2~4 個分類 進行影像辨識時,模型內需要放入 2~4 個分類才能進行辨識, 因此重複上述 **建立分類**、**使用開發板拍攝影像** 步驟,建立兩個以上的分類。 ## D. 建立模型 1. 建立完分類後,在左側的側邊欄選擇「模型」,進入模型列表。 ![模型列表](/uploads/upload_23e1965f689c02c67697c9a98e97bb72.png =600x) 2. 點擊藍色「新增」按鈕,跳出「新增模型」視窗。 ![](/uploads/upload_4aee1e16f5e3bd4278a1d948575f85c7.png =600x) - 輸入模型名稱,**請勿輸入中文、空格、符號或使用過的名稱** - 選擇模型種類 ( 影像分類、物件追蹤 ) ![](/uploads/upload_04e57bcc782a11a41b773fd0286a7fb7.png =560x) - 選擇分享狀態 - 模型建立方式點選「挑選分類」 3. 從分類列表中點選 2~4 個要進行影像辨識的分類,點擊「建立模型」。 ![新增模型](/uploads/upload_3d978d4eed334b5f7460c9d2a847be91.png =600x) 4. 等待模型訓練完成後,就可以在模型列表中找到建立的模型,並且可以看到模型內的**分類名稱**以及**模型種類**。 ![](/uploads/upload_e70d83463d16c7cc32c71c18eed6018f.png =600x) > 因為物件追蹤的演算法較複雜,因此訓練時間較久是正常的! ## E. 下載模型 1. 點擊要進行影像辨識的模型,跳出「模型選項」視窗。 a. 點擊下載模型。 ![模型選項](/uploads/upload_421b3cf5d2bacd5a44e760e55acbaab2.png =600x) b. 輸入開發板 Device ID。 ![](/uploads/upload_85120262df264ff7c6ef18185de48ff0.jpg =600x) c. 點擊「下載模型」後傳送指令。 ![](/uploads/upload_8bb31a114b474f607cfd999f12b2de6d.png =600x) 2. 點擊「下載模型」按鈕,出現「傳送指令成功」訊息即開始下載模型。 ![下載模型](/uploads/upload_4c9f64a09ca70542b7bd7cf1a83c276b.png =600x) 3. 完成 100% 後,畫面會顯示 **ok** 字樣代表完成下載,就可以開始進行影像辨識了。 ## F. 使用程式積木執行影像辨識 在程式積木平台中,可以分別使用影像分類和物件追蹤積木,來達到不同的影像辨識。 ### 影像分類 - 有關詳細積木的使用,歡迎參考:[影像分類](https://md.kingkit.codes/s/XsGqYu8lP)。 1. 先依照上面步驟,將訓練過的影像分類模型下載到 Web:AI 開發板中。 > 本篇以模型「Monster」,分類「blue,green,yellow,red,」為例。 2. 開啟 Web:AI 程式積木平台。 3. 點擊上方主功能選單中的「範例」。 ![](/uploads/upload_bc2f022051e8f91f77610a0d29889a81.jpg) 4. 開啟後,點擊「進階功能」中的「影像分類」,開啟影像分類範例程式。 ![](/uploads/upload_9e23f11da72f8d7b69e39b96a5b1fc64.jpg) 5. 在「設定模型」積木中選擇模型; 如果是使用 **安裝版程式平台**,則需要手動輸入模型、分類,並將寬、高都輸入 224。 >- 使用 Webduino 影像訓練平台訓練的模型尺寸,為 224*224。 >- 自行使用其它工具訓練,則需輸入各別的尺寸。 下圖範例選擇模型「Monster」,分類「blue,green,yellow,red」。 ![](/uploads/upload_5f7a955964d7920ceeaad38699898af5.png) 6. 程式編輯完成後,按下右上角「執行」按鈕,程式部署結束後 Web:AI 開發板會自動開啟鏡頭畫面。 7. 使用鏡頭對準辨識物件就能看到文字顯示辨識結果和信心度。 ![影像辨識結果](/uploads/upload_18ff3d4a326a6123cb54fb20940150f9.png =600x) > 若要使用其它模型來進行影像辨識,需要回到步驟 **下載模型**,再次下載模型。 ### 物件追蹤 - 有關詳細積木的使用,歡迎參考:[物件追蹤](https://md.kingkit.codes/s/BrL3wxxd_)。 1. 先依照上面步驟,將訓練過的物件追蹤模型下載到 Web:AI 開發板中。 > 本篇以模型「Monster」,分類「green,yellow,red,blue」為例。 2. 開啟 Web:AI 程式積木平台。 3. 點擊上方主功能選單中的「範例」。 ![](/uploads/upload_bc2f022051e8f91f77610a0d29889a81.jpg) 4. 開啟後,點擊「進階功能」中的「物件追蹤:綠色小怪獸」,開啟物件追蹤範例程式。 > 範例「物件追蹤:綠色小怪獸」原本使用的模型是內建的小怪獸模型,因為要使用下載模型,所以需要對程式設定作修改。 ![](/uploads/upload_aa23edf5cc498d805ae010f66fcb4b3e.jpg) ![](/uploads/upload_fe50e0a499f5f0a9b3299638ceb5657a.jpg) 5. 在「設定模型」積木中選擇模型; 如果是使用 **安裝版程式平台**,則需要手動輸入模型、分類,並將寬、高都輸入 224。 >- 使用 Webduino 影像訓練平台訓練的模型,尺寸為 224*224。 >- 使用內建小怪獸模型,尺寸為 320*224。 >- 自行使用其它工具訓練,則需輸入各別的尺寸。 下圖範例選擇模型「Monster」,分類「green,yellow,red,blue」。 ![](/uploads/upload_a3876bb700df49a574625d3562b246ac.jpg) 6. 修改「取得所有物件」積木和要顯示的資訊,將範例程式改成模型中的其中一個分類,讓程式可以顯示分類的相關資訊。 下圖範例程式會顯示分類「yellow」的資訊。 ![](/uploads/upload_54f161fc47d31b4a3d05fa5a1bf94dae.jpg) 7. 程式編輯完成後,按下右上角「執行」按鈕,程式部署結束後 Web:AI 開發板會自動開啟鏡頭畫面。 8. 使用鏡頭對準辨識物件就能看到白框顯示辨識結果和座標。 如範例顯示「Yellow Monster!(168,137)」。 ![](/uploads/upload_6207a1119662aea52eac4dcd42f42cf6.png =600x)