# dotnetProject大作业

**Repository Path**: Xirro/dotnet-project-big-assignment

## Basic Information

- **Project Name**: dotnetProject大作业
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2025-03-02
- **Last Updated**: 2025-03-02

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 2024秋dotnet大作业

本仓库提交dotnet大作业源码

小组成员：汪操、郑贤锐、颜韩博、张锐

### 项目背景

- 图像文件数据量大
  - 管理困难
  - 占用存储空间

随着数码摄影的普及，越来越多的用户积累了大量的图像文件。这样不仅占用大量本地空间，并且管理和检索图片十分困难。AImage是一个智能相册项目，旨在利用计算机视觉和图像处理技术，自动化图像的标签生成、分类和搜索，并且将图像存储在云端。帮助用户快速找到相关图像，减少本地存储开销，并提供跨平台的便捷管理体验。



### 项目目标

- **智能分类**
  利用图像识别技术，自动为每张图像生成标签和描述，支持图像的智能分类和快速检索。
- **快速检索**
  将用户的输入与数据库中图像标签和描述进行比对，快速检索用户查找的图片。
- **云端存储**
  将图片的元数据(标签、描述、ID)存储至云数据库、并将图像数据存储至云服务器
- **跨平台支持**
  前端使用Avalonia框架，后端使用.NET Core和EF框架，引用能在Windows、Linux、macOS上运行
- **易于扩展**
  前端使用MVVM设计模式，架构上前后端分离，系统能够方便地进行功能扩展或与其他服务进行集成。



### 项目架构

![architecture](.\image\architecture.png)



### 用例图

![user_case](.\image\user_case.png)



### 顺序图

以上传和获取图像描述为例

![sequence-diagram](.\image\sequence-diagram.png)

### 跨平台部署测试

Window 10和Ubuntu 22都可运行，Ubuntu 22 .NET 9.0环境下成功运行前端Avalonia项目和后端项目

![cross](.\image\cross.png)

### 项目分工

| **姓名** | **分工**                                                     |
| :------: | ------------------------------------------------------------ |
|   汪操   | Avalonia UI设计、本地缓存设计;<br />完成数据库访问的Web API (图像删除、检索) <br />项目架构指导、项目解决方案的寻找和完善  <br />跨平台部署测试  <br />项目汇报、ppt制作 |
|  郑贤锐  | 完成图像处理算法的Web API(基于Yolov5和Blip模型)<br />模型准确度测试 |
|  颜韩博  | 部分数据库访问的Web API(图像上传) <br />数据库表设计         |
|   张锐   | 参与前后端对接工作，确保前后端逻辑对接的完善<br />使用postman测试web api<br />部分图像处理算法的测试 |

### 项目进度

| **功能**                   | **完成度** |
| -------------------------- | ---------- |
| 查看本地图片，获取描述     | 已完成     |
| 向云端上传、下载、查询图片 | 已完成     |
| 联网查找图片并提供下载选项 | 已完成     |
| 查看云端各个分类的所有图片 | 已完成     |
| 跨平台测试                 | 成功       |

### 可以改进的地方

1.图像数据传输了三次：本地到C#数据库后端、C#后端到python算法服务、C#后端到云服务器进行数据持久化，有一定开销。

- 可以考虑将C#和python的WEB API项目部署到同一物理机，同时将数据持久化放在这台物理机上，减少数据传输开销，还可以考虑学习nginx进行优化。

2.可以添加用户管理功能



### 运行注意

由于远程服务器和数据库涉及到密码等隐私，已在源代码中删除，如需要运行需要在下面一些文件进行添加

- pyweb-api：连接数据库部分输入云数据库相关条目

- AImage/Models/PexelPageModel.cs：填入自己申请的Pexel API

- AImageWebAPI/Controllers/DataBase.cs：填入远程服务器相关信息
- AImageWebAPI/appsetting.json：填入远程数据库相关信息