GitHub |
您所在的位置:网站首页 › 识别鱼类的app › GitHub |
fish_recognition
海洋鱼类识别系统 一.项目介绍此项目基于paddlex的图片分类(ResNet50)和语义分割模块(FastSCNN)对输入的海洋鱼类图片进行名称识别和边界预测并输出,使用前后端分离架构部署(VUE+Flask) 代码包含: fish_fontbone:前端部分代码 fish_backbone:后端部分代码 一张测试使用的图片:从数据集中随机找了一张 分类模型训练代码 分割模型训练代码其中使用的数据集包含了23个鱼的种类,手动标注分割label比较耗时间,本demo标注很少一部分,标注工具使用labelme 数据集下载地址:链接: https://pan.baidu.com/s/1x90mrqGLvOy7U0f2fAMQGg 提取码: pa7l 模型训练代码的epoch数量比较少,为了节省时间。建议有时间有资源的小伙伴可以多训练几轮,可以提高模型的可用性。 模型下载地址:链接: https://pan.baidu.com/s/1aEaBXVEU5D8sRYxZC-t7pw 提取码: 2gjv 二.部署依赖版本号: python==3.8.11 numpy==1.19.51.下载代码到本地 git clone [email protected]:OsLeon/fish_recognition.git2.安装paddle,padddlepaddle,paddlex和依赖组件 pip install paddle padddlepaddle paddlex -y3.运行前需要把模型放入fish_backbone目录下 4.启动后端: 在fish_backbone目录下运行以下代码启动后端: python app.py5.启动前端 在fish_fontbone目录下运行以下代码安装VUE依赖: npm install运行以下代码启动前端: npm run serve根据提示打开本地项目地址即可 三.项目展示使用前 使用后 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |