本頁面由 Cloud Translation API 翻譯而成。

圖片標籤

透過 ML Kit 的圖片標籤 API，您可以偵測並擷取圖片中各種類別的實體資訊。預設的圖片標籤模型可識別一般物體、地點、活動、動物物種、產品等等。

您也可以使用自訂圖片分類模型，根據特定用途量身打造偵測功能。詳情請參閱「使用自訂 TensorFlow Lite 模型」一文。

主要功能

強大的一般用途基本分類器：辨識超過 400 個類別，這些類別描述了相片中最常找到的物件。
使用自訂模型根據用途量身打造 使用 TensorFlow Hub 的其他預先訓練模型，或使用透過 TensorFlow、AutoML Vision Edge 或 TensorFlow Lite 模型製作工具訓練的自訂模型。
易於使用的高階 API 無需處理低階模型輸入/輸出、圖片預先處理和後續處理，也不必建構處理管道。ML Kit 會從 TensorFlow Lite 模型中擷取標籤，並以文字描述的形式提供這些標籤。

請注意，這個 API 適用於描述完整圖像的圖片分類模型，如要將圖片中的一或多個物件 (例如鞋子或家具) 分類，建議使用 Object Detection & Tracking API，

Image Labeling API 支援不同的圖片分類模型：

支援的圖片分類模型
基礎模型	根據預設，API 採用功能強大的一般用途圖片標籤模型，可辨識超過 400 個涵蓋最常見相片概念的實體。
自訂 TensorFlow Lite 模型	為以應用程式專屬的概念為目標，API 接受各種來源的自訂圖片分類模型。您可以選用從 TensorFlow Hub 下載的預先訓練模型，或是自行使用 AutoML Vision Edge、TensorFlow Lite Model Maker 或 TensorFlow 自行訓練的模型。模型可與您的應用程式搭配組合，或是透過 Firebase 機器學習技術託管，並在執行階段下載。

ML Kit 的基礎模型會傳回實體清單用於識別人物、事物、地點、活動等等每個實體都有一個分數，代表機器學習模型與相關關聯性的可信度。有了這項資訊，您就可以執行中繼資料自動產生和內容審核等工作。ML Kit 提供的預設模型可辨識 400 個以上的不同實體。

圖片標籤 API 中的基礎模型支援 400 多個標籤，如以下範例所示：

以下範例是隨附相片中可辨識的實體。

ML Kit 的基本圖片標籤模型專為一般用途而設計，經過訓練，能夠辨識 400 個描述相片中最常見的物件類別。您的應用程式可能需要使用特殊的圖片分類模型，能夠更精確地辨識較少類別的類別，例如用於區分花卉或食品類型的模型。

這個 API 支援多種來源的自訂圖片分類模型，可讓您根據特定用途調整圖片內容。詳情請參閱「使用 ML Kit 自訂模型」一文。您可以將自訂模型與您的應用程式組合在一起，或使用 Firebase 機器學習的模型部署服務，從雲端動態下載。

如有需要，圖片標籤功能則會使用雙線性圖片縮放和延展功能，調整輸入圖片大小和顯示比例，使其符合基礎模型的要求。