跳到主要内容

图像分类

1.功能简介​

图像分类（Image Classification）是计算机视觉领域最基础且应用最广的技术之一，是利用人工智能算法，让计算机自动理解图像内容并将其归入预设类别的技术。简单来说，它就是让计算机“观看”一张图片，并根据其视觉内容自动打上预定义的“标签”或归入特定的“类别”。

图像分类在我们日常生活中无处不在，以下是一些典型例子：

  • 内容安全与审核：在社交媒体、网盘或在线社区中，自动识别上传的图片是否包含“暴力”、“色情”或“不适宜”内容，并将其过滤或标记。
  • 医疗影像诊断辅助：帮助医生初步分析医学影像，例如将X光、CT或病理切片图片分类为“正常”、“疑似病变”或“明确异常”，常用于肺炎、癌症筛查等。
  • 自动驾驶感知：车辆上的摄像头实时识别道路场景中的物体，并将其归为“行人”、“车辆”、“交通标志”、“车道线”等类别，是决策系统的基础。
  • 电商与零售：电商平台自动识别用户上传的商品图片，将其分类到“服装”、“电子产品”、“家居”等正确的品类中，便于搜索和推荐。
  • 农业生产监控：利用无人机或田间摄像头拍摄的图片，自动识别作物生长状况，分类为“健康”、“缺水”、“遭遇虫害”或“发生病害”，实现精准农业。

image-20260324172519089

2.核心原理​

通过我们的图像识别功能，你可以轻松训练出一个专属的“视觉理解模型”，赋予项目看懂图片的能力。该功能通过深度卷积神经网络的底层能力实现图像分类，其核心原理是迁移学习。

需要注意的是，当你提供少量的图片样本进行训练时，该功能并不是从零开始学习识别每一个像素，而是在模型已有的强大视觉认知基础上，快速建立“你提供的特定图片特征”与“你定义的分类标签”之间的新关联。这使得你通常只需几十到几百张图片，就能得到一个针对你任务的高准确度模型。

其核心在于使用一个已经在大规模通用图像数据上训练好的“预训练模型”。这个模型在训练过程中，已经自动学习了如何从图片中提取从简单到复杂的通用特征。

  • 大规模预训练：模型已习得通用的视觉特征，例如从边缘、纹理，到更复杂的形状、物体部件乃至整体结构。
  • 自定义微调：当你上传并标注自己的图片时，你实际上是在引导模型：“在你已理解的各种视觉特征基础上，重点关注与我这些图片相关的特征组合，并分别对应到我定义的类别A、类别B上。”

image-20260324175201993

3.功能加载​

如果仅需体验模型训练与测试，可通过KZone人工智能教育平台进入，在【AI体验馆】下的【AI学习】板块中找到【文本分类】的功能，点击后进入即可，跳转链接如下：

https://kzone2.kittenbot.cn/ai-lab

image-20260324175555012

如果想在Kittenblock图形化编程平台中进一步使用训练好的模型，则通过左下角的【添加拓展】进入拓展界面，在【角色拓展】中添加【可视化机器学习】。添加后回到编程界面，在相关插件下点击【模型训练工具】即可选择【图像分类】，Kittenblock跳转链接如下：

image-20260324180150433

4.实验流程​

a.收集与分类​

首先，你需要定义想要识别的“标签”，也就是创建不同的“类”（Classes）。随后为每个类添加图片样本。例如，如果你想做一个奥特曼分类器，你会创建两个类：

  • Class 1 ：不同的A奥特曼图片
  • Class 2 ：不同的B奥特曼图片

注意：您可以使用摄像头拍照与上传图片两种方式来添加素材。每个类提供的样本越多、越多样化、越有代表性，模型的准确度就越高。

随机进入一个 图像分类 的界面，来大致认识一下数据收集和训练的界面功能

image-20260210175656406

  1. 如果你选择从本地图片上传素材，可以多选图片一起上传，但需要注意，图片的尺寸最好是1:1，否则上传后也会被压缩到1:1

image-20260210175713599

  1. 如果您是使用摄像头拍摄素材，那么我们来尝试一个最简单的，只有2个分类（空状态和马克杯）的项目带同学们快速了解应用过程

  • 首先理清我们需要制作的，是一个可以分辨是否有马克杯的模型，1个分类叫做 “无”，另一个叫做 “马克杯”，接下来使用摄像头开始采集数据

  • 采集分类“无”，尽量让采集的素材画面统一，但内容物可以状态随机一些

    所谓的画面统一，内容物状态可以随机一些，大概理解为：

通过大量的素材，让机器搞清楚规律，类比人类多次看到同一个场景，会渐渐熟悉。即使这个场景画面里有些东西比较杂乱，甚至可能每次摆放的位置角度不完全一样，亦或者有人在背景里，每次的姿势和角度也都不太一样，但只要这个素材录入足够多，机器就可以大概认识这个场景，从而与其他的分类做出差异辨认。

image-20260210175813560

  • 采集分类“马克杯”，我会在同一个场景下，让马克杯出现在画面中，通过内容物的状态可以随机一些这个规则，我们录制的马克杯可以远、可以近，可以角度不一致。

image-20260210175834188

  • 这样我们就拥有了2个分类，且有足够的素材，可以开始训练了（素材数量建议每种分类10个以上）

image-20260210175901697

b.模型训练​

点击【模型训练】后，系统将利用本地算力（CPU/GPU）进行实时的特征提取与参数调优。CNN自动提取图像中的重要特征，通过反复迭代优化，在后台构建出一套专属的分类逻辑，确保能够快速、准确地识别您定义的各种类别。点击【数据图表】，可以查看学习数据。

  • Epochs（周期数）：模型完整查看一遍所有数据次数。
  • Batch Size（批次大小）：每次学习时处理的数据量。
  • Learning Rate（学习率）：模型在每次更新参数时步进的幅度

image-20260325155916554

c.测试与调整​

训练完成后，你可以在上传一张图片或者打开摄像头测试模型训练效果。

  • 反馈：模型会给出一个置信度评分（例如：100%无 ，0% 马克杯）。
  • 调优：如果预测错了，你需要检查是不是数据量不够，或者两类样本中有太多相似的图片。

image-20260325160901872

  • 使用摄像头测试 - 随着素材的数量多少，训练可能会花费一些时间，完成训练后在右侧可以体验训练识别结果

image-20260210175925875

d.导出与应用​

训练好的模型可以直接与积木块或代码逻辑挂钩，通过简单的代码调用这个模型。

  • 应用： 当模型识别出特定的类别时，你可以触发后续动作。比如识别到 ‘马克杯’ 的时候说“马克杯”，识别到 ‘无’ 的时候说“无”

无论你是在KZone训练还是在Kittenblock训练，都可以直接下载模型，方便下一次使用。

image-20260325163405768

在Kittenbkock中，在相关插件下点击【模型训练工具】即可选择【导入训练项目】，此时可导入之前下载好的模型。如果需要调整模型，则可以点击【编辑训练】

image-20260325163435818

模型导入后或者你是在Kittenblock中直接训练完模型，则可以点击【使用模型】，跳转编程界面。

image-20260325163516887

图像分类的相关积木及其作用如下：

image-20260210180136579

image-20260211144822109

基础应用1：

首先打开识别窗口，并搭建一个最基础的识别程序：让小猫说出识别结果和可信度

image-20260210180228158

image-20260210180235278

基础应用2：

接下来我们不仅要显示，还要把它与角色的其他功能联动。例如希望别到马克杯的时候播放声音：“干杯”。那么现在先来录制一个“干杯”的声音。

image-20260210180255105

录制后，截取有效片段后保存

image-20260210180317189

可以修改声音的名称，这样比较直观。修改完后回到代码区开始编写程序

image-20260210180341409

增加1个如何..那么..判断语句来完成这个识别到马克杯播放“干杯”音效的效果。

image-20260210180416050

  1. 但是你会发现当一直识别到马克杯的时候，干杯音效持续播放，未免有些傻呼呼，那么如果要让它第一次识别到马克杯时播放且只播放一次呢？这可能需要引入变量来控制这个状态，这很麻烦，所以这个时候帽子事件积木块就发挥作用了，这样就能够只在识别结果改变的那一刻触发，而不会持续播放“干杯”啦～

image-20260210180433842

5.综合案例​

使用图像识别，识别手指的数量，让角色说出数字。

image-20260325170740873