# AI 图像分类器使用教程：本地 ViT 模型识别图片物体，免费不上传服务器

> 来源：工具派（https://gjupai.com） 原文页面：https://gjupai.com/tutorial/ai-image-classifier-guide

## 工具简介

**AI 图像分类器**是工具派推出的一款免费在线图片识别工具：上传一张图片，工具会在浏览器本地调用 ViT（Vision Transformer）图像分类模型，识别图中的主体物体属于什么类别，并给出置信度排名。它基于 ImageNet 的 1000 个类别标签，内置中英文标签映射，结果直接以中文显示。最大的特点是**全程在浏览器本地运行**——图片不会上传到任何服务器，隐私安全有保障；首次使用需加载约 85MB 的模型文件，加载完成后会自动缓存，之后再用就很快。除本地上传外，还支持摄像头实拍识别和 4 张内置示例图，识别结果可一键导出 JSON 或 CSV。

## 功能亮点

- **本地 AI 识别，隐私无忧**：图片仅在浏览器本地处理，不会上传到服务器，证件照、内部资料等敏感图片也能放心识别。
- **ViT 模型 + ImageNet 千类标签**：采用 vit-base-patch16-224 模型，覆盖 ImageNet 1000 个常见物体类别，动物、植物、食物、车辆、日用品等都能识别。
- **中文标签显示**：内置 ImageNet 中文标签对照表，识别结果直接显示「金毛犬」「披萨」这样的中文名，免去查英文标签的麻烦。
- **三种图片来源**：支持拖拽 / 粘贴 / 点击上传本地图片，可调用摄像头拍照识别，还提供金毛犬、猫咪、汽车、披萨 4 张示例图一键体验。
- **四种识别模式**：通用物体、动植物·动物、动植物·植物、食物，可按类别关键词过滤结果，快速聚焦你关心的类别。
- **Top K 与置信度阈值可调**：可选择显示 Top 3 / Top 5 / Top 10 个候选类别，并用阈值滑杆过滤低置信度结果。
- **结果一键导出**：识别结果支持导出 JSON 原始数据或 CSV 表格（标签 + 置信度百分比），方便整理和二次分析。

## 参数说明

| 参数 | 说明 | 默认值 / 取值范围 |
| --- | --- | --- |
| 上传图片 | 拖拽、粘贴或点击选择本地图片 | 仅支持图片文件（image/*），最大 10MB |
| 示例图片 | 一键载入内置示例图体验识别效果 | 示例：金毛犬 / 猫咪 / 汽车 / 披萨 |
| 摄像头拍照 | 打开摄像头实时拍摄照片并识别 | 默认关闭，需授权摄像头权限，可拍照或关闭 |
| 识别模式 | 按类别关键词对识别结果进行过滤 | 通用物体（默认）/ 动植物·动物 / 动植物·植物 / 食物 |
| 显示 Top K | 模型返回置信度最高的前 K 个类别 | Top 3 / Top 5（默认）/ Top 10 |
| 置信度阈值 | 低于该置信度的标签不显示 | 0%（默认）–90%，步长 5% |
| 导出结果 | 将识别结果保存到本地 | 导出 JSON（原始数据）/ 导出 CSV（标签、置信度） |

## 使用步骤

1. **打开工具页面**：顶部显示工具名称「AI 图像分类器」和功能说明，下方依次是上传区、示例图、摄像头按钮、识别参数和「开始识别」按钮，登录用户还能看到免费额度提示。

![AI 图像分类器主界面：顶部为工具标题与功能说明及会员欢迎横幅，下方白色卡片内依次是拖拽上传区（含隐私提示：图片仅本地处](article/202607/1783999213604_4310.png)

2. **上传图片**：把图片直接拖到上传框内、复制图片后在页面粘贴，或点击上传框选择本地文件，要求为图片格式且不超过 10MB；也可以点击「示例：金毛犬」等按钮载入示例图，或点「📷 打开摄像头拍照」实拍一张（授权摄像头后点「拍照」即可）。

3. **选择识别模式**：默认「通用物体」显示全部识别结果；如果你明确知道图中是动物、植物或食物，可切换到对应模式，结果会按类别关键词过滤，只保留相关标签。

4. **设置 Top K 与置信度阈值**：在「显示 Top 5」一行选择 Top 3 / Top 5 / Top 10，决定最多显示几个候选类别；拖动「置信度阈值」滑杆（0–90%）可过滤掉低置信度的噪声标签，默认 0% 表示全部显示。

5. **点击「开始识别」**：首次使用会显示「AI加载中」进度条并下载约 85MB 模型，耐心等待即可，模型会自动缓存；之后再次识别几乎是秒出结果。

6. **查看并导出结果**：下方左侧显示「原图」，右侧显示「识别结果」——每个候选类别都有中文标签、百分比置信度和进度条，最可能的类别排在最上面。确认后可点右上角「导出 JSON」或「导出 CSV」把结果保存下来。

## 使用技巧

- **主体清晰居中的照片识别更准**：模型按 ImageNet 的物体类别训练，单主体、背景简洁的实拍照片效果最好；一张图里有多个主体时，结果通常偏向画面中最显著的物体。
- **先用 Top 5、阈值 0% 看全貌**：默认设置会列出 5 个候选类别，如果第一名置信度明显领先（比如 80% 以上），基本可以确认；几个类别分数接近时说明物体模棱两可，需要人工判断。
- **调高阈值做粗筛**：只想要高把握的结果时，把置信度阈值调到 30%–50%，低分噪声标签会自动隐藏，结果列表更干净。
- **识别模式是「过滤器」不是「换模型」**：动物 / 植物 / 食物模式只是按关键词过滤通用模型的结果，如果切换后提示「未匹配到符合条件的标签」，切回「通用物体」即可看到全部结果。
- **善用摄像头识别实物**：手机和电脑上都能调用摄像头（手机默认后置镜头），对着实物拍一张就能识别，比先拍照再找文件上传更顺手。
- **批量整理用 CSV 导出**：导出 CSV 后每行是「标签 + 置信度百分比」，可以直接用 Excel 打开做记录和统计；需要程序处理则选 JSON 原始数据。

## 常见问题

**Q1：我的图片会被上传到服务器吗？**
不会。整个识别过程都在你的浏览器本地完成，ViT 模型在页面里直接运行，图片数据不会离开你的设备，可以放心识别敏感图片。

**Q2：为什么第一次识别很慢，还有进度条？**
首次使用需要下载约 85MB 的 AI 模型文件，下载完成后浏览器会自动缓存，之后再用就无需重复下载，识别速度会快很多。

**Q3：「动植物·动物」这类识别模式是什么意思？**
它们是对识别结果的类别过滤：模型本身始终是通用的 ImageNet 分类模型，切换到动物模式后，只保留标签中包含动物关键词的结果。如果过滤后为空，页面会提示你切回「通用物体」查看全部结果。

**Q4：Top 3 / Top 5 / Top 10 该怎么选？**
只是想确认「这张图是什么」，选 Top 3 就够了；想多给几个候选参考或做类别排查，可以选 Top 10。Top 数越大，列出的低置信度类别也越多。

**Q5：置信度阈值调多少合适？**
默认 0% 表示全部显示。日常查看建议保持默认；如果觉得低分标签太多干扰判断，可以调到 30% 左右，只保留模型比较有把握的类别。

**Q6：为什么个别结果还是英文标签？**
工具内置了 ImageNet 中文标签对照表，绝大多数类别都能显示中文；个别未收录或写法特殊的标签会回退显示英文原名，属正常现象，不影响识别准确率。