---
title: "圖像分類（Image Classification）"
slug: image-classification
language: zh-TW
source: https://aiterms.tw/terms/image-classification
updated_at: 2026-04-29
tags: [電腦視覺, 深度學習, 模型訓練, 模型評估, AI應用, 神經網路, 特徵工程, 資料處理, 遷移學習, AI基礎]
ipas_term: false
---

# 圖像分類（Image Classification）

> **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

> **Q：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。
>
> **Q：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。
>
> **Q：它能用在哪些地方？**
> 醫療、零售、安防、農業都很常見。
>
### 相關術語

> - **電腦視覺**：圖像分類是電腦視覺最核心的任務之一
> - **卷積神經網路**：最常見的基礎模型
> - **物件偵測**：分類學完後，下一步常會學這個
> - **遷移學習**：資料不夠時最常用的捷徑
> - **深度學習**：圖像分類現在多半靠深度學習做

---

來源：https://aiterms.tw/terms/image-classification
快查頁：https://aiterms.tw/terms/image-classification
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-image-classification