我们都知道，人工智能AI的基本原理是事先准备好样本数据（这里指的是图片）及数据的标注信息（如图片中的人物是高兴、愤怒、哭泣等图片的判定信息），通过AI算法的训练，对输入的样本及标注进行拟合，形成最终的训练集数据。有了这份训练集数据，当下次我们输入一张新的图像时，AI算法根据训练集数据就能判断出图片中的人物的具体表情，这样就能对图片进行初步的分类。当然，判断的准确率和样本数量是有关系的，也和数据标注的准确性有关，还和具体的AI算法有关。
PersonalImageClassifier (PIC) 拓展
拓展的事件、方法、属性如下：
图像分类App原理介绍
这里仅仅介绍一下AI图像分类App的实现原理，AI的基础技术细节不在本文讨论范围。
我们都知道，人工智能AI的基本原理是事先准备好样本数据（这里指的是图片）及数据的标注信息（如图片中的人物是高兴、愤怒、哭泣等图片的判定信息），通过AI算法的训练，对输入的样本及标注进行拟合，形成最终的训练集数据。有了这份训练集数据，当下次我们输入一张新的图像时，AI算法根据训练集数据就能判断出图片中的人物的具体表情，这样就能对图片进行初步的分类。当然，判断的准确率和样本数量是有关系的，也和数据标注的准确性有关，还和具体的AI算法有关。
开发步骤
在线训练AI模型，生成模型数据，下载给PIC拓展使用
在线AI模型训练网站（国内访问正常）：https://classifier.appinventor.mit.edu/oldpic/
在线训练详细步骤（英文版）：https://appinventor.mit.edu/explore/resources/ai/personal-image-classifier-part1
这里仅截取部分训练步骤：
最后可以在线对新输入的图片进行AI识别，如：微笑表情：
最后，可以下载训练好的模型数据。
App Inventor 2 使用拓展及AI模型数据，对图像进行识别和分类
PersonalImageClassifier (PIC) 拓展的用法请参考demo，或直接看英文文档自行研究，这里暂时不做展开，文档如下：
https://www.hackster.io/mjrobot/app-inventor-edgeml-image-classification-fruits-vs-veggies-b671da
原文地址：https://www.fun123.cn/reference/extensions/PersonalImageClassifier.html
