#  optimize-dog-cat-question

**Repository Path**: zhang1009/optimize-dog-cat-question

## Basic Information

- **Project Name**:  optimize-dog-cat-question
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2023-12-10
- **Last Updated**: 2023-12-10

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 项目描述
本项目是一个图像分类系统，主要是在区分猫和狗的图像。它使用了Lazypredict库实现自动化图像分类器，并找出最佳的分类器，并通过 Gradio 创建一个简单的网页应用，允许用户上传图片进行即时分类。
![输入图片说明](jieguo.png)
![输入图片说明](%E8%BF%90%E8%A1%8C%E7%BB%93%E6%9E%9C.png)
# 功能
本项目实现了以下功能：
- 从指定文件夹读取图像数据，将图像转换为灰度格式并调整大小，生成特征（X）和标签（y）
- 使用预先训练的模型对预处理后的图像进行分类，判断是猫还是狗。
- 比较不同模型的性能，选择准确率最高的模型
- 部署一个允许用户上传图片并使用保存的模型进行预测的网页应用

# 依赖
本项目依赖以下库：
- time: 计算程序运行时间。
- os: 处理文件和目录。
- cv2 (OpenCV): 图像处理。
- numpy: 数据处理和数组操作。
- imutils: 辅助图像处理和路径获取。
- pickle: 数据序列化和反序列化。
- sklearn: 机器学习算法和数据预处理。
- xgboost: 高效的梯度提升算法实现。
- tabulate: 以表格形式打印数据。
- LazyClassifier：自动尝试多种机器学习模型，并评估它们的性能。
- logging: 日志记录。
- gradio: 创建交互式网页应用

# 使用
- 准备数据：将猫和狗的图像数据放在指定的文件夹中。
- 运行代码：脚本会自动训练多个模型并评估它们的性能，并输出性能最好的模型名称及其预测结果。
- 启动网页应用：运行 Gradio 相关的代码以启动网页应用。用户可以通过网页上传图片，进行猫狗分类

# 注意
- 训练和预测时的图像预处理步骤必须一致
- 确保所有依赖库都已正确安装
- 保存的模型应该与 Gradio 应用中用于预测的模型一致

## 个人信息
- 学号: 202152320137
- 年级: 21
- 专业: 智能科学与技术
- 班级: 1班