Dog Recognition

应用机器学习算法对小狗图像进行识别。

给定一个狗的图像，算法将会识别并估计狗的品种，如果提供的图像是人或其它物体，代码将会识别最相近的狗的品种。

Quick Start

运行脚本文件, 完成模型训练并生成犬类图像识别GUI：可以自定义图像进行识别。
获取权限：chmod + x run_all.sh
运行： ./run_all.sh

Solution

About the Data

1. Download the dog dataset. Unzip the folder and place it in the repo, at location path to/data/dogImages.
2. Download the human dataset. Unzip the folder and place it in the repo, at location path to/data/lfw. If you are using a Windows machine, you are encouraged to use 7zip to extract the folder.
3. Donwload the InceptionV3 bottleneck features for the dog dataset. Place it in the repo, at location path to/model/bottleneck_features.

About GUI

基于Tkinter实现APP GUI，详见代码05_dog_app.py

Architecture

犬类识别

图像增强

在实际使用中，对用户提供含清晰面部特征的人脸图像，要求较高，但这是合理的。因为在人脸识别过程中，会受到光照、拍摄角度、遮挡等多种因素的干扰，如果不能保证图像清晰，则会大大降低准确率。
如果实在无法获得清晰图像，即当图像中没有清晰的面部特征，无法识别出五官等特征时，可以尝试采用图像增强方式。

模型

主要用的模型为MobileNetV2模型，最终生成的模型约为20M。

人脸识别

使用opencv进行人脸识别

使用预训练模型haarcascade_frontalface_alt.xml
// TODO： 补充说明文档

构建深度学习模型进行人脸识别

// TODO: