# cat-face

**Repository Path**: sysucats/cat-face

## Basic Information

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

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2021-11-15
- **Last Updated**: 2022-04-11

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 中大猫谱猫脸识别

从猫谱小程序云存储拉取猫图，然后训练一个神经网络模型来识别猫猫。

## 前期准备
1. 每只猫猫积攒了超过10张高质量照片（照片清晰，且照片中只有一只猫猫）
2. 一张足够强大的GPU，显存大于10G，用于神经网络训练
3. 网络服务器一台，用于部署识别服务（需要自备web后端技能）
4. 已注册备案域名一个，获取SSL，用于小程序调用服务（未备案域名不能使用443端口）

## Quick Start

1. NPM安装fetch-data文件夹中JS脚本的依赖。
2. 使用Node.js运行fetch-data中的fetch.js，根据小程序数据库记录拉取小程序云存储中的图片。（记得填写`tcb.init`所需的信息。）
3. PIP安装requirements.txt中的Python依赖。（需要Python>=3.6。使用CONDA管理环境是更好的选择。）
4. 执行prepare_yolo.sh脚本准备YOLOv5目标检测模型所需的内容。
5. 运行data_preprocess.py程序，使用YOLOv5从fetch-data拉取的数据中识别出猫猫并截取到crop-photos文件夹。
6. 多次运行train.py，训练一个识别截取猫猫图片的模型（并把训练输出checkpoint/ckpt.pth移动到当前目录下命名为cat.pth）和一个全图识别的模型（并把训练输出checkpoint/ckpt.pth移动到当前目录下命名为fallback.pth）。（程序参数可以通过`python trian.py --help`获取帮助。你可能需要一张足够强大的GPU。）
7. 两次运行export.py，将cat.pth和fallback.pth分别导出成ONNX模型。对应的文件会放在export目录下。（程序参数可以通过`python export.py --help`获取帮助。）
8. 修改app.py中必要的常量。现在你可以通过运行app.py启动后端服务了。