搜尋意圖： 如果你在找「圖像分類 是什麼」或「圖像分類 和相近概念差在哪」，先看這頁的短定義、完整說明與延伸比較。
TL;DR： 圖像分類是電腦視覺中的一項任務，旨在將圖像分配到預定義的類別中。模型學習圖像特徵，並基於這些特徵預測圖像所屬的類別。
實用情境： 適合用在閱讀 AI 文章、產品文件或和同事討論時，先用一頁快速對齊概念。
下一步： 先讀完定義，再往下看延伸比較與對應工具，把概念轉成實際應用。
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。