影像訓練

Web:AI 影像辨識可以使用 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。

A. 登入影像訓練平台

1. 點擊連結進入 Webduino 影像訓練平台。

1. 選擇登入方式或註冊帳號。
   「訪客登入」會和其他訪客共用分類和模型，為避免被刪除或修改，建議使用自己的帳號登入。
2. 登入成功後，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。

1. 點擊藍色「新增」按鈕，跳出「建立分類」視窗。

-  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

- 輸入要拍照的數量 ( 15 ~ 20 張 )
- 輸入 Web:AI 開發板的 DeviceID ( 請確認 Web:AI 已連上 Wi-Fi )
- 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！

1. 點擊「建立分類」按鈕

1. 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

當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。

1. 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。

1. 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。

1. 點擊藍色「新增」按鈕，跳出「新增模型」視窗。( 下圖以影像分類為例 )

• 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 )
• 選擇分享狀態 – 模型建立方式點選「挑選分類」

1. 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」。
   • 影像分類：請選最少 2 個分類，最多 4 個分類。
   • 物件追蹤：請選最少 2 個分類，最多 5 個分類。
     

     為確保模型訓練品質，請選擇 15 張圖片以上的分類。

1. 訓練中的模型會顯示訓練進度百分比，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。
   

   模型訓練時，全平台限制 30 個模型同時訓練，若數量已達限制，請稍待 1 ~ 2 分鐘再重新嘗試。

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。

   

   b. 輸入開發板 Device ID。( 請確認 Web:AI 已連上 Wi-Fi )

   

   c. 點擊「下載模型」後傳送指令。

1. 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。

1. 完成 100% 後，畫面會顯示 ok 字樣代表完成下載，部署程式積木後，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 Web:AI 程式積木平台 中，可以使用「影像分類」或「物件追蹤」積木，來進行影像辨識。

影像分類

• 有關詳細積木的使用，歡迎參考：影像分類。
• 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。

1. 開啟 Web:AI 程式積木平台 。
2. 點擊上方主功能選單中的「範例」。
3. 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。
4. 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」。

1. 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。
2. 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。

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。
• 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。

1. 開啟 Web:AI 程式積木平台。
2. 點擊上方主功能選單中的「範例」。
3. 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。

   

   

4. 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」。

1. 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。

1. 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。
2. 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)」。

?‍♀️ 如何提高「物件追蹤」模型辨識的準確度？

訓練好的模型辨識不出物體，或是誤判怎麼辦呢？不妨試試下面的方法：

1. 每個分類照片數量越多，訓練出來模型準確度會越高。若使用電腦鏡頭拍攝照片，盡量上傳達 30 張。若使用 Web:AI 鏡頭拍攝，則盡量上傳達 20 張。
2. 拍攝建立分類時，掌握以下拍攝技巧：
   • 若使用電腦鏡頭拍攝照片，請將物體靠近鏡頭，直到物體與鏡頭預覽的方框切齊。若使用 Web:AI 鏡頭拍攝，請確保物體與螢幕上的白色方框切齊。

   電腦鏡頭
   

   

   • 若使用 Web:AI 鏡頭拍攝，同一個分類盡量選用固定大小的白色方框 ( 開發板 R 鍵可以切換方框大小，共有 5 種大小，任選一種使用即可 )。
   • 原則上拍攝物體的背景越多樣化，效果越好，因此拍攝時可以將物體擺在不同背景前拍攝，最簡單的方式就是人站在原地旋轉拍攝。若發現辨識效果不如預期，可以改為較單純的背景拍攝 ( 例如：牆壁、天花板、桌面 )。
   • 拍攝時，盡量確保鏡頭方框內只有要辨識的物體，非辨識物體 ( 例如：人臉、手掌 ) ，不要進到畫面內。
   • 確保同一個分類內，包含物體不同角度的照片。建議拍攝物體左傾、水平、右傾三個角度，各至少 6~8 張。
   • 確保在光線充足的環境拍攝照片，且避免物體背光。
3. 辨識物體間的差異越大，辨識的效果越好。因此在挑選用來訓練模型的分類時，可以盡量選擇「顏色」、「形狀」差異大的物體。
4. 在 Web:AI 程式積木平台 編輯程式時，留意「物件追蹤」積木上的「辨識門檻」。
   辨識門檻代表物件追蹤的精準度，門檻越高代表偵測到的物體外觀與模型越接近，才會辨識成功，預設為 0.5。
   測試時，若覺得辨識結果誤判的機率較高（ 例如：畫面上沒有物體 A，卻辨識出 A ），可逐步調高辨識門檻，直到辨識結果符合預期。

    

   有關詳細積木的使用，歡迎參考：物件追蹤。