上面是一些技術上或是應用上對於AI人工智慧的了解，那我聽到影像辨識這個東西的時候就覺得有一些興趣了，所以透過去詢問學姊的推薦之下，來透過微軟azure所提供的CUSTOM VISION 來自己做一個影像辨識，但是目前只有在前面的訓練模型，沒有寫到程式的部分，主要是想體驗一下訓練模型的概念與想法而已。
這邊就來使用微軟所提供的服務，因為我還是學生所以為微軟有提供給學生一些優待，因此就不需要填信用卡資料，只要去申請學生認證就可以使用基本的一些東西了。
那看了微軟提供的官方資料後，在網路上也有其他人做過這個的教學，因此自己就也來實際train看看，參考的網站是利用百元鈔做訓練，我就挑了10元拍了至少15張照片先試試看，後來也用了之前出去的樹的照片做訓練。
而這個模型是利用 object detecton ，因此要將自己丟上去的照片做一個標記，去標示說框起來的那個物件是甚麼(在機器當中，就是所謂的正確答案)?叫甚麼名字?因此就是機器學習的學習方式喔。那給予標籤之後的正確答案，機器再利用這些特徵整理出一套規則，也就是前面提到監督式的學習方式。因此訓練後的資料就是讓機器去學習判斷，由於有給予正確標籤，因此他模型訓練出來就會知道說大概的誤差率是多少了。
透過微軟的官方網站的Precision和Recall名詞意思介紹，再以我理解的方式，再來看我訓練出來的模型來做解釋(如果我理解錯誤還請大家教導一下我了)。

以我實際用的例子說明，我圈出了總共46格可以正確代表是樹的圖像，因此模型看了15張照片裡的所有圖像
Precision:81.8%
(就是模型辨識有100個有樹的圖像，實際上有81個的樹的圖像，，去辨識出46/0.8=57.5個樹的圖像，但實際上有總共有46個樹的圖像，這樣就會知道這個模型的精確度了。)
Recall:90.0%
(告訴機器我們實際有46個樹的圖像，但模型讀取照片後只辨識出了46*0.9=41.4張樹的照片)

參考資料:
https://medium.com/@stfk1105/%E5%8B%95%E6%89%8B%E5%81%9A-custom-vision-%E4%B8%A6%E7%94%A8-python-%E9%80%B2%E8%A1%8C%E5%9C%96%E7%89%87%E8%BE%A8%E8%AD%98-a64a28fc8344
https://docs.microsoft.com/zh-tw/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier
https://medium.com/21%E6%AD%B2%E5%A4%A7%E5%AD%B8%E7%94%9F/azure-custom-vision%E9%83%A8%E5%B1%AC%E6%95%99%E5%AD%B8-57d473aaaa12