你有沒有看過手機相簿自動幫你分出貓、狗、風景？
你可以把圖像分類想成替整張圖片貼上一個標籤。 它關心的是這張圖屬於哪一類，不是圖裡每個物體在什麼位置。
你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。 就像先用生活中的例子抓住核心用途，再回頭看名詞和公式，理解會穩很多。
容易混淆
圖像分類 vs 圖像識別 圖像分類是給整張圖貼標籤 圖像識別可以更進一步找出圖中的物體 最關鍵的區別是整體判斷，還是細部辨識
圖像分類 vs 物件偵測 分類只要知道圖是什麼 偵測還要知道物體在哪裡 最關鍵的區別是只貼標籤，還是畫出位置
記住這句就好
整張圖先貼一個標籤。
實際案例
垃圾郵件圖示分類 系統可以先把圖片分成產品、人物、場景或其他類別，幫你快速整理相簿或資料庫。
瑕疵品檢查 工廠可以用圖像分類先判斷產品有沒有明顯缺陷，作為自動篩檢的第一步。
算法與應用
CNN 和遷移學習常是圖像分類最常見的基礎做法。 訓練資料、類別平衡和資料增強，對結果影響都很大。
情境判斷
Q1： 你只想知道一張圖是貓、狗還是車，會做什麼？ → 圖像分類。
Q2： 你不只想知道圖是什麼，還想知道物體在哪裡，還算分類嗎？ → 不算，這已經更接近物件偵測。
常見問題
圖像分類常用什麼模型？
卷積神經網路和遷移學習都很常見。
資料不夠怎麼辦？
可以用資料增強或直接用預訓練模型微調。
它能用在哪些地方？
醫療、零售、安防、農業都很常見。