【AI2+AI】个人图像分类器1：创建并训练个人图像分类模型

【AI2+AI】在AppInventor中使用人工智能
【AI2+AI】图像分类：WhatIsIt教程
【AI2+AI】个人图像分类器1：创建并训练个人图像分类模型
【AI2+AI】个人图像分类器2：使用app查看模型表现如何
【AI2+AI】个人图像分类器3：使用模型制作表情匹配游戏

本教程学习如何训练你的个人图像分类模型来识别面部表情。

演示视频（已添加中文字幕）：

演示视频（真人出镜）：



（最近腾讯视频审核开了挂，快的话几分钟就好，还有一次是秒过，刚上传完就审核通过了。而哔哩实在太慢，几个视频审核都超过24小时。最耗不起的就是时间，所以各位看官只能忍一下腾讯的广告了。有广告才有收入，有收入技术才能进步，设备才能更新。）

1. 在浏览器中打开地址：https://classifier.appinventor.mit.edu/

注意：到目前为止，我们的模型还啥都不认识，我们需要先对模型进行训练。你可以使用进度条来跟踪模型进度：


2. 首先为模型添加一些面部表情（发挥创造力！）来学习使用“add labels"添加标签框。


3. 接下来为标签添加样本。 单击任何标签，在摄像头前摆好姿势，然后单击“Add Example添加样本”将图像添加到模型的标签中，让模型从中学习（一般来说，越多越好，但是稍后还可以再回来学习）。

4. 对样本的样子满意后，点击Next进入下一步


5. 在这一步中，可以修改模型的详细信息，这超出了本教程的范畴。因此只需使用默认设置，然后单击“Train model培训模型”即可让模型学习之前添加的标签和图像。


6. 单击“训练模型”后，可以看到训练过程的一些基本信息，包括所需的时间以及训练进行过程中模型的“损失”。 损失是对模型在其所获得图像上的性能的衡量。训练结束后，会自动跳转到测试数据这一步。注意：如果训练时间很长或浏览器速度变慢，试着用较少的训练样本重新开始。


7. 测试模型：可以添加其他样本来测试模型，以便了解模型在从未见过的图像上表现如何。



在这一步添加样本的方法和训练中相同。单击任何标签，单击“Add Example添加样本”按钮即可为该标签添加图像。

完成后，可以单击“预测”按钮以转到“浏览结果”页面。结果页面上有一些有用的工具，可用于分析模型在测试图像上的预测。


8. 查看结果。
在屏幕的左侧的图片点击左右箭头查看图像分类结果，可以看到某些测试图像可能会被错误分类。

您可以使用下图中的“标签准确性”和“置信度图”按钮来显示有用的工具，这些工具可以使我们弄清楚为什么有些图像没有被正确（或被正确）标记。 默认情况下，在页面中心位置会显示“标签正确性”。

9. Label Correctness标签准确性
标签正确性显示一个表格，这个表格告诉你添加的图像是否正确分类。 你可以通过单击它们来比较页面右侧的2张特定图像。
这个表格的用处之一是可以帮助你弄清楚为什么同一标签的2张图像分类不正确（也许其中一部分看起来像另一个标签，图像的角度不同或其他原因）。 在使用这些工具时，想想模型为何以这种方式运行，要如何解决问题、改善模型？


10. 点击“Confidence Graph置信度图”


11. 置信度图简要概述了模型在预测某个图像属于某个标签时的置信度。 你可以使用图表顶部的下拉菜单分别查看每个标签。

12. 将高置信度图像与低置信度图像进行比较，它们有什么区别？ 你认为模型确定图像的标签最重要的事情是什么（面部尺寸、位置或其他）？


13. 借助这些工具，看看是否可以让你的模型变得更好。返回训练步骤来添加更多图像（可能需要多次重复）。如果需要也可以完全重新开始。
14. 下面是一些练习，你可以与小伴侣一起尝试：
1）选一张标签错误的测试图像，为什么标签会不正确？试着改进模型以正确预测。
2）在不同条件下测试图像（例如，距离不同的脸部，屏幕的不同部分，不同的背景等）。结果怎样？
3）根据你在分析工具中看到的内容，提出关于某些图像标注错误的假设。看看你是否可以欺骗模型做出错误的预测（例如，在测试选项卡中将表情“ A”的图像放入表情“ B”中，然后看看模型是不是认为它是表情“ B”）。
4）和同伴讨论是否可以使模型100％准确。如果能，要怎样做？如果不行，你认为什么样的模型才是“足够好”？

15. 如果你对模型满意，或者下课时间到了，点击 Download Model将模型下载，然后在app中开心的使用你的模型吧！