# multiform_dog_cat

**Repository Path**: Hlorina/master

## Basic Information

- **Project Name**: multiform_dog_cat
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2023-12-02
- **Last Updated**: 2023-12-03

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 项目描述
本项目使用集成学习优化KNN算法识别猫狗
# 运行效果
![Alt text](image-2.png)
![Alt text](image-3.png)
# 功能
本项目实现了以下功能：
- 使用FAISS库实现基于K近邻的图像分类器
- 支持使用CPU进行训练
- 支持特征提取方法：flat
- 支持使用sklearn实现K近邻算法

# 依赖
本项目依赖以下库：
- numpy
- faiss
- sklearn
- argparse
- logging
- tqdm
- cv2
- os
- imutils
- pickle
- tensorflow
- gradio
- pickle
- tabulate
- xgboost
# 使用
1. 安装依赖库
2. 运行训练脚本
```bash
python train.py -m [cpu|gpu] -f [flat|vgg] -l [sklearn|faiss]
```
其中：
   - `-m`：选择训练模式，可选值为cpu或gpu
   - `-f`：选择特征提取方法，可选值为flat或vgg
   - `-l`：选择使用的库，可选值为sklearn或faiss

3. 查看训练结果
- 训练完成后，程序会输出最佳的k值和相应的准确率。

# 注意
- 本项目使用Python 3.8及以上版本进行开发和测试。
- 本项目使用FAISS库进行高效的相似度搜索和稠密向量的聚类。
- 本项目使用sklearn库中的K近邻分类器作为对比实验。
- 本项目使用logging库记录日志。
- 本项目使用tqdm库在循环中添加进度条。
- 本项目使用LR逻辑回归、随机森林、svm、硬投票、软投票、bagging、pasting、adaboost、gradient_boosting、stacking等模型训练。

## 个人信息
- 学号: 202152320137
- 年级: 2021级
- 专业: 智能科学与技术
- 班级: 1班