# faiss_dog_cat_Lazypredictor

**Repository Path**: leaving-and-retaining-o/faiss_dog_cat_-lazypredictor

## Basic Information

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

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-11-07
- **Last Updated**: 2024-11-10

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 项目描述
本项目使用FAISS库实现了基于K近邻的图像分类器。该分类器使用CPU进行训练,训练在多种模型下识别猫狗的准确率，模型为lazypredict；和在gradio界面识别猫狗。

# 功能
本项目实现了以下功能：
- 使用FAISS库实现基于K近邻的图像分类器
- 只支持使用CPU进行训练
- 只支持一种特征提取方法：flat
- 支持查看多种模型的预测时间、训练时间和准确率。
- 支持识别图片中的猫狗，并给出反馈

# 依赖
本项目依赖以下库：
- numpy
- pandas
- faiss
- sklearn
- argparse
- logging
- tqdm
- cv2
- os
- imutils
- pickle
- tensorflow
- pickle
- gradio
- PIL

# 使用
1. 安装依赖库
2. 运行训练脚本

3. 查看训练结果
- 训练完成后，程序会输出最佳的模型，训练时间，预测时间和相应的准确率。
- train文件，训练结束后，程序会输出训练时间、预测时间。
- webapp文件，训练结束后，会出现一个本地的网页去检测猫狗。

# 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VGG16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。
- 不同版本gradio可能会出现不兼容。

## 个人信息
- 学号: 202252320216
- 年级: 2022
- 专业: 智能科学与技术
- 班级: 02