App Inventor 2 PersonalImageClassifier (PIC) 拓展：自行训练AI图像识别模型，开发图像识别分类App

PersonalImageClassifier (PIC) 拓展
图像分类App原理介绍
API参考
开发步骤
- 在线训练AI模型，生成模型数据，下载给PIC拓展使用
- App Inventor 2 使用拓展及AI模型数据，对图像进行识别和分类

« 返回首页

PersonalImageClassifier (PIC) 拓展

.aix 拓展下载：

PersonalImageClassifier.aix

demo程序下载：

Image_Classification_v2.aia

拓展的事件、方法、属性如下：

拓展的事件、方法、属性

图像分类App原理介绍

这里仅仅介绍一下AI图像分类App的实现原理，AI的基础技术细节不在本文讨论范围。

我们都知道，人工智能AI的基本原理是事先准备好样本数据（这里指的是图片）及数据的标注信息（如图片中的人物是高兴、愤怒、哭泣等图片的判定信息），通过AI算法的训练，对输入的样本及标注进行拟合，形成最终的训练集数据。有了这份训练集数据，当下次我们输入一张新的图像时，AI算法根据训练集数据就能判断出图片中的人物的具体表情，这样就能对图片进行初步的分类。当然，判断的准确率和样本数量是有关系的，也和数据标注的准确性有关，还和具体的AI算法有关。

API参考

PersonalImageClassifier 属性

ModelPath 模型路径: 设置或获取TensorFlow Lite模型的文件路径。支持相对路径和绝对路径。
Labels 标签列表: 获取或设置分类标签列表，用于识别结果的显示。标签顺序必须与模型输出对应。
ConfidenceThreshold 置信度阈值: 设置分类结果的最低置信度阈值，低于此值的结果将被过滤。范围0.0-1.0。
InputSize 输入尺寸: 获取模型要求的输入图像尺寸。通常为224x224或299x299像素。
IsModelLoaded 模型已加载: 获取当前模型是否已成功加载的状态。

PersonalImageClassifier 方法

ClassifyImage 分类图像(图片路径): 对指定路径的图像进行分类，返回分类结果列表。每个结果包含标签和置信度。
ClassifyCameraImage 分类摄像头图像(): 使用摄像头捕获图像并进行分类，返回分类结果列表。
ClassifyImageAsync 异步分类图像(图片路径): 异步方式对图像进行分类，结果通过ClassificationCompleted事件返回。适用于大图像处理。
LoadModel 加载模型(模型路径): 加载指定路径的TensorFlow Lite模型文件，返回是否加载成功。模型文件必须为.tflite格式。
SetLabels 设置标签(标签列表): 设置分类标签列表，用于显示分类结果。标签顺序必须与模型的输出顺序一致。
GetTopClassification 获取最佳分类(分类结果): 从分类结果中获取置信度最高的分类标签。
GetClassificationConfidence 获取分类置信度(分类结果,标签): 获取指定标签的置信度分数。返回值范围为0.0-1.0。
GetAllClassifications 获取所有分类(分类结果): 获取所有分类结果的详细列表，包含标签和对应的置信度。
PreprocessImage 预处理图像(图片路径): 对输入图像进行预处理，调整尺寸和格式以符合模型要求。返回处理后的图像路径。

PersonalImageClassifier 事件

ClassificationCompleted 分类完成(分类结果,图片路径): 图像分类完成后触发，返回分类结果列表和处理的图片路径。仅在异步分类时触发。
ClassificationError 分类错误(错误信息): 分类过程中发生错误时触发，返回错误描述信息。常见错误包括文件不存在、模型加载失败等。
ModelLoaded 模型加载完成(成功): 模型加载完成时触发，返回是否加载成功。可用于在模型加载完成后进行初始化操作。
ClassificationProgress 分类进度(进度值): 在长时间分类过程中触发，返回当前进度值（0-100）。可用于显示进度条。