关于图像识别:动物识别系统Python

我的项目介绍

动物识别系统，应用Python作为次要开发语言，基于深度学习TensorFlow框架，搭建卷积神经网络算法。并通过对18种动物数据集进行训练，最初失去一个辨认精度较高的模型。并基于Django框架，开发网页端操作平台，实现用户上传一张动物图片辨认其名称。目前可辨认的动物有：'乌龟', '云豹', '变色龙', '壁虎', '狞猫', '狮子', '猎豹', '美洲狮', '美洲虎', '老虎', '蜥蜴', '蝾螈', '蟾蜍', '豹猫', '钝吻鳄', '雪豹','非洲豹', '鬣蜥'。本零碎是一个残缺的人工智能，机器学习，深度学习我的项目，蕴含训练预测代码，训练好的模型，WEB网页端界面，数据集等相干材料。

演示视频

视频地址：https://www.yuque.com/ziwu/yygu3z/uwc4sl67ox7x4lyr

技术栈

● Python，次要语言，倡议Python3.9版本
● TensorFlow，深度学习，算法模型搭建框架，倡议目前最新版本2.12
● Django，网页开发框架，倡议目前最新版本4.2

局部代码

def upload_img(request):    # 图片上传    file = request.FILES.get('file')    file_name = file.name    file_name = '{}.{}'.format(int(time.time()), str(file_name).rsplit('.')[-1])    with open(os.path.join(settings.MEDIA_ROOT, file_name), 'wb') as f:        for chunk in file.chunks():            f.write(chunk)    upload_url = request.build_absolute_uri(settings.MEDIA_URL + file_name)    ImageCheck.objects.create(file_name=file_name, file_url=upload_url)    return JsonResponse({'code': 200, 'data': {'url': upload_url}})def check_img(request):    # 图片检测    image_url = request.POST.get('img_url')    if not image_url:        return JsonResponse({'code': 400, 'message': '短少必传的参数'})    image_name = image_url.rsplit('/')[-1]    image_path = os.path.join(settings.MEDIA_ROOT, image_name)    pred_name = check_handle(image_path)    obj = ImageCheck.objects.filter(file_name=image_name).last()    obj.check_result = pred_name    obj.save()    return JsonResponse({'code': 200, 'data': {'pred_name': pred_name}})

实现步骤

● 首先收集须要辨认的品种数据集
● 而后基于TensorFlow搭建ResNet50卷积神经网络算法模型，并通过多轮迭代训练，最终失去一个精度较高的模型，并将其保留为h5格局的本地文件。
● 基于Django开发网页端可视化操作平台，HTML、CSS、BootStrap等技术搭建前端界面。Django作为后端逻辑解决框架。Ajax实现前后端的数据通信。