# G042_卷积神经网络

**Repository Path**: LPBStudio/G042_Convolutional_Neural_Network

## Basic Information

- **Project Name**: G042_卷积神经网络
- **Description**: 现通过卷积神经网络对图片的特征进行识别，判断相似度。
- **Primary Language**: C#
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-05-19
- **Last Updated**: 2025-05-20

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# G042_卷积神经网络

#### 介绍
现通过卷积神经网络对图片的特征进行识别，判断相似度。

#### 软件架构

1. ML.NET
优势：
	.NET 生态原生支持：与 C# 无缝集成，无需额外依赖。
	简化的 API：通过ImageAnalytics命名空间提供预训练模型的快速调用。
	企业级支持：微软官方维护，长期稳定性有保障。
	轻量级：依赖较小，适合部署在客户端应用中。
劣势：
	模型灵活性有限：主要支持 ONNX 格式，需依赖第三方转换工具。
	深度定制困难：难以修改预训练模型的底层结构。
	特征提取方式固定：需遵循ML.NET的 DataView 和 Pipeline 设计。
2. TensorFlow.NET
优势：
	完整的 TensorFlow 能力：支持所有 TensorFlow 模型（包括最新的 Transformer 架构）。
	高精度：与 Python 版本性能接近，适合科研或工业级应用。
	模型丰富：可直接使用 TensorFlow Hub 中的预训练模型。
	灵活定制：可自定义网络结构、损失函数和训练过程。
劣势：
	依赖复杂：需额外安装 TensorFlow 运行时（.dll 或.so 文件）。
	学习曲线陡峭：需熟悉 TensorFlow 的 Python API 设计思路。
	社区支持有限：C# 版本的文档和示例较少。
3. Emgu CV
优势：
	传统 CV 算法强大：HOG、SIFT、SURF 等特征提取方法内置支持。
	性能优化：底层依赖 OpenCV，计算效率高。
	跨平台友好：支持 Windows、Linux 和 macOS。
	图像处理全面：提供丰富的图像预处理和后处理功能。
劣势：
	CNN 支持有限：主要支持传统计算机视觉算法，深度学习能力较弱。
	API 设计复杂：需熟悉 OpenCV 的 C++ 风格 API。
	模型更新慢：对最新深度学习模型（如 ViT、Swin Transformer）支持不足。

#### 安装教程


Git无法提交问题：

（1）先把git的东西fetch到你本地然后merge后再push

$ git fetch origin master

$ git merge origin FETCH_HEAD

先抓取远程仓库的更新到本地，然后与你的本地仓库合并，（如果有冲突就要解决冲突后再合并，冲突问题比较复杂，这里就不详细说了），这样就可以使远程仓库和你本地仓库一致了，然后就可以提交修改了。

（1补充说明）这2句命令等价于

$ git pull origin master

但是使用git fetch + git merge 更加安全。

（2）git pull --rebase origin master

重定基，可以是历史更加统一，即使提交历史趋向于一条直线。

补充：他们之间的关系

git pull = git fetch + git merge FETCH_HEAD

git pull --rebase = git fetch + git rebase FETCH_HEAD

如果变基失败： git add/rm 被修改的文件名

可以先修改README.md文件； 然后使用命令:git add README.md 成功之后回复变基：

git rebase --continue 之后出现编辑文本，直接退出即可完成问题处理。

恢复变基 (git rebase --continue) 或中止它 (git rebase --abort)。

Vim编辑器

:q!

此命令是强制退出Vim编辑器,对文件内容不作处理,不管改动过还是未改动.

#### 使用说明

1	.  ONNX 官方提供了预训练好的 ResNet50 模型，可直接下载使用。
	访问下载页面
	https://github.com/onnx/models/tree/main/vision/classification/resnet
	以上地址已经无法访问，请使用以下地址：
	https://github.com/onnx/models/tree/main/validated/vision/classification/resnet/model
	下载模型
	点击 resnet50-v2-7.onnx 或 resnet50-v1-12.onnx（推荐使用 v1-12 版本，支持更广泛）进行下载。

#### 参与贡献

1.  Fork 本仓库
2.  新建 Feat_xxx 分支
3.  提交代码
4.  新建 Pull Request


#### 特技

1.  使用 Readme\_XXX.md 来支持不同的语言，例如 Readme\_en.md, Readme\_zh.md
2.  Gitee 官方博客 [blog.gitee.com](https://blog.gitee.com)
3.  你可以 [https://gitee.com/explore](https://gitee.com/explore) 这个地址来了解 Gitee 上的优秀开源项目
4.  [GVP](https://gitee.com/gvp) 全称是 Gitee 最有价值开源项目，是综合评定出的优秀开源项目
5.  Gitee 官方提供的使用手册 [https://gitee.com/help](https://gitee.com/help)
6.  Gitee 封面人物是一档用来展示 Gitee 会员风采的栏目 [https://gitee.com/gitee-stars/](https://gitee.com/gitee-stars/)