1.一种影像辨识系统，其特征在于，包含：
一云端服务器，用以存储一云端辨识模型；
一本地服务器，电性连接至该云端服务器，用以：
存储一本地辨识模型；
通过该本地辨识模型辨识一影像，以产生一本地辨识结果，其中该影像对应至一场域，该影像包含至少一物件，且该本地辨识结果包含各该至少一物件分别对应至多类别的一本地类别信心分数；
针对各该至少一物件，根据该场域以及对应的该多本地类别信心分数计算一本地乱度指标；以及
根据该影像的该至少一本地乱度指标，决定传送该影像至该云端服务器；
其中，该云端服务器接收该影像后，通过该云端辨识模型辨识该影像，以产生一云端辨识结果，并根据该云端辨识结果更新该本地辨识模型。
2.如权利要求1的影像辨识系统，其特征在于，该本地服务器还用以通过一摄影机撷取该影像，且该本地服务器还用以根据该影像的至少一影像信息决定该影像所对应的该场域。
3.如权利要求1的影像辨识系统，其特征在于，当该本地服务器判断该至少一本地乱度指标的任一个大于一第一门槛值，则决定传送该影像至该云端服务器。
4.如权利要求1的影像辨识系统，其特征在于，基于该场域，各该多类别对应至一场域类别参数，且针对各该至少一物件，该本地服务器是执行以下运作，以计算出该本地乱度指标：
针对各该多类别，计算相应的该场域类别参数、该本地类别信心分数、以及该本地类别信心分数的对数的一乘积，并计算该多乘积的一总和的负值，以获得该本地乱度指标。
5.如权利要求1的影像辨识系统，其特征在于，：
该云端服务器还用以存储与该本地辨识模型相同的一镜像辨识模型；且
该云端服务器使用该云端辨识结果重新训练该镜像辨识模型，以更新该镜像辨识模型，并将更新后的该镜像辨识模型部署至该本地服务器，以更新该本地辨识模型。
6.如权利要求1的影像辨识系统，其特征在于，云端辨识结果包含各该至少一物件分别对应至该多类别的一云端类别信心分数，且该云端服务器还用以：
针对各该至少一物件，根据对应的该多云端类别信心分数计算一云端乱度指标；以及
根据该影像的该至少一云端乱度指标，决定传送该影像至一专家系统，并根据该专家系统提供的一专家辨识结果更新该云端辨识模型以及该本地辨识模型。
7.如权利要求6的影像辨识系统，其特征在于，当该云端服务器判断该至少一云端乱度指标的任一个大于一第二门槛值，则决定传送该影像至该专家系统。
8.如权利要求6的影像辨识系统，其特征在于，该云端服务器是执行以下运作，以计算出该云端乱度指标：
针对各该多类别，计算相应的该云端类别信心分数以及该云端类别信心分数的对数的一乘积，并计算该多乘积的一总和的负值，以获得该云端乱度指标。
9.一种影像辨识系统更新方法，适用于一影像辨识系统，其特征在于，该影像辨识系统包含互相电性连接的一云端服务器与一本地服务器，该云端服务器存储一云端辨识模型，该本地服务器存储一本地辨识模型，该影像辨识系统更新方法包含：
由该本地服务器，通过该本地辨识模型辨识一影像，以产生一本地辨识结果，其中该影像对应至一场域，该影像包含至少一物件，且该本地辨识结果包含各该至少一物件分别对应至多类别的一本地类别信心分数；
由该本地服务器，针对各该至少一物件，根据该场域以及对应的该多本地类别信心分数计算一本地乱度指标；
由该本地服务器，根据该影像的该至少一本地乱度指标，决定传送该影像至该云端服务器；以及
由该云端服务器，通过该云端辨识模型辨识该影像，以产生一云端辨识结果，并根据该云端辨识结果更新该本地辨识模型。
10.如权利要求9的影像辨识系统更新方法，其特征在于，该本地服务器还用以通过一摄影机撷取该影像，且该影像辨识系统更新方法还包含以下步骤：
由该本地服务器，根据该影像的至少一影像信息决定该影像所对应的该场域。
11.如权利要求9的影像辨识系统更新方法，其特征在于，当该本地服务器判断该至少一本地乱度指标的任一个大于一第一门槛值，则决定传送该影像至该云端服务器。
12.如权利要求9的影像辨识系统更新方法，其特征在于，基于该场域，各该多类别对应至一场域类别参数，且针对各该至少一物件，该本地服务器是执行以下步骤，以计算出该本地乱度指标：
针对各该多类别，计算相应的该场域类别参数、该本地类别信心分数、以及该本地类别信心分数的对数的一乘积，并计算该多乘积的一总和的负值，以获得该本地乱度指标。
13.如权利要求9的影像辨识系统更新方法，其特征在于，该云端服务器还存储该本地辨识模型相同的一镜像辨识模型，且该影像辨识系统更新方法还包含以下步骤：
由该云端服务器，使用该云端辨识结果重新训练该镜像辨识模型，以更新该镜像辨识模型，并将更新后的该镜像辨识模型部署至该本地服务器，以更新该本地辨识模型。
14.如权利要求9的影像辨识系统更新方法，其特征在于，该云端辨识结果包含各该至少一物件分别对应至该多类别的一云端类别信心分数，且该影像辨识系统更新方法还包含以下步骤：
由该云端服务器，针对各该至少一物件，根据对应的该多云端类别信心分数计算一云端乱度指标；以及
由该云端服务器，根据该影像的该至少一云端乱度指标，决定传送该影像至一专家系统，并根据该专家系统提供的一专家辨识结果更新该云端辨识模型以及该本地辨识模型。
15.如权利要求14的影像辨识系统更新方法，其特征在于，当该云端服务器判断该至少一云端乱度指标的任一个大于一第二门槛值，则决定传送该影像至该专家系统。
16.如权利要求14的影像辨识系统更新方法，其特征在于，该云端服务器是执行以下步骤，以计算出该云端乱度指标：
针对各该多类别，计算相应的该云端类别信心分数以及该云端类别信心分数的对数的一乘积，并计算该多乘积的一总和的负值，以获得该云端乱度指标。
17.一种本地服务器，其特征在于，包含：
一存储器，用以存储一本地辨识模型；以及
一处理器，电性连接至该存储器，用以：
通过该本地辨识模型辨识一影像，以产生一本地辨识结果，其中该影像对应至一场域，该影像包含至少一物件，且该本地辨识结果包含各该至少一物件分别对应至多类别的一本地类别信心分数；
针对各该至少一物件，根据该场域以及对应的该多本地类别信心分数计算一本地乱度指标；以及
根据该影像的该至少一本地乱度指标，决定传送该影像至一云端服务器，使得该云端服务器根据该影像更新该本地辨识模型。
18.如权利要求17所述的本地服务器，其特征在于，还包含一摄影机，电性连接至该处理器，用以取得该影像，且该处理器还用以：
根据该影像的至少一影像信息决定该影像所对应的该场域。
19.如权利要求17所述的本地服务器，其特征在于，当该处理器判断该至少一本地乱度指标的任一个大于一第一门槛值，则决定传送该影像至该云端服务器。
20.如权利要求17所述的本地服务器，其特征在于，基于该场域，各该多类别对应至一场域类别参数，且针对各该至少一物件，该处理器是执行以下运作，以计算出该本地乱度指标：
针对各该多类别，计算相应的该场域类别参数、该本地类别信心分数、以及该本地类别信心分数的对数的一乘积，并计算该多乘积的一总和的负值，以获得该本地乱度指标。