# emsemble dog and cat recognition

**Repository Path**: quan-yufeng/emsemble-dog-and-cat-recognition

## Basic Information

- **Project Name**: emsemble dog and cat recognition
- **Description**: 使用集成学习的猫狗分类
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-10-22
- **Last Updated**: 2025-01-05

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# emsemble dog and cat recognition 猫狗图像识别项目
# 主色调调色板Gradio应用

# 主要技术

1. 集成学习算法：整合多基础模型长处，精细调节超参数，如基学习器数量、权重分配等，平衡准确率与运行效率，强化整体模型性能。
1. Gradio：助力模型部署成网页应用，提供直观交互界面，方便用户上传图像并获取识别结果。
1. lazypredict：能够帮助我们实现用不同的算法进行高速的对比的工作。
1. Gradio：用于快速搭建直观且交互性强的网页应用界面，方便用户上传图像文件，并将处理结果以（HTML）输出展示在网页上，极大地简化了前端界面开发流程并提供了便捷的用户交互体验。
1. Scikit-learn（KMeans）：运用其中的 KMeans 聚类算法对图像像素颜色值进行无监督学习和聚类分析，根据颜色特征的相似性将像素分为指定数量（本项目中为 5 个）的簇，从而精准定位图像


# 项目简介
# 1.本项目聚焦于猫狗图像识别，旨在融合集成学习算法与 Faiss 构建的 KNN 算法，构建精准分类系统，以应对宠物图像识别应用场景需求，准确判别猫狗图像。
![img_2.png](img_2.png)
![img.png](img.png)
![img_1.png](img_1.png)
![img_3.png](img_3.png)
# 利用用lazypredict训练猫狗数据，并获取准确率最高的模型，保存到硬盘
![img_5.png](img_5.png)
![img_4.png](img_4.png)

# 2.本项目旨在开发一款专业网页应用，旨在为用户提供便捷的图像分析服务，通过上传照片，能够精准提取并展示照片的主色调调色板（包含 5 个主要颜色），同时给出每一个颜色对应的十六进制表示形式，提升用户对于图像色彩构成的认知与运用能力，可应用于设计、摄影、电商等多个领域。
![img_6.png](img_6.png)
# 作者
学号:202252320103

学院：信息工程学院

班级:1班