# cat

**Repository Path**: liuwenjing2/cat

## Basic Information

- **Project Name**: 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**: 2023-12-04
- **Last Updated**: 2023-12-04

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 项目描述
本项目是一个基于机器学习的图像分类模型，用于识别输入的图像是猫还是狗。项目首先通过命令行参数获取用户选择的模式、特征提取方法和使用的库，然后加载和预处理数据，将数据集划分为训练集和测试集。接下来，项目创建了多个分类器，包括逻辑回归、随机森林、支持向量机、硬投票、软投票、Bagging、Pasting、AdaBoost、梯度提升和堆叠分类器，并使用这些分类器对训练集进行训练，然后在测试集上评估它们的性能。最后，项目保存了性能最好的模型，并使用Gradio创建了一个界面，用户可以上传图像进行预测。
!![输入图片说明](1.png)
!![输入图片说明](%E5%BE%AE%E4%BF%A1%E5%9B%BE%E7%89%87_20231204214632.png)
# 功能
本项目实现了以下功能：
- 加载和预处理数据
- 创建多个分类器并进行训练和评估
- 保存性能最好的模型
- 使用Gradio创建预测界面
# 依赖
本项目依赖以下库：
- time
- numpy
- faiss
- joblib
- argparse
- logging
- pickle
- gradio
- cv2
- sklearn
- xgboost
- tabulate

# 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，程序会输出识别猫狗的对应网址。

# 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flat模型进行图像特征提取。
- 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。

## 个人信息
- 学号:202152320124
- 年级: 2021
- 专业: 智能科学与技术
- 班级: 一班