基于Python的Django网页实现的CNN卷积神经网络猫狗识别 课程报告+项目源码及数据库文件+数据集+训练好的模型+演示视频

Cat Vs Dog

目   录

Cat Vs Dog	1

项目简介	1

项目实现	2

所用技术	2

项目流程图	2

cnn 网络	4

网络图片展示	4

网络文字代码解释	5

项目展示	9

前端展示	9

后台展示	15

具体步骤	17

1.创建数据集	17

2. 创建模型	19

3. 训练网络	20

4. 预测	23

4. 改进――优化版本	25

项目总结	28

项目简介

该项目是基于 Keras 的猫狗识别 Web 应用。

数据集是来自 Kaggle 上的猫狗大赛数据集，其中训练集 train 包含了猫的图片 12500 张以及狗的图片 12500 张，测试集 test 包含了猫狗的图片 12500 张。本项目采用了基于 Keras 的自己构造的 cnn 网络训练以及 Keras 中的 VGG16 卷积神经网络模型来进行训练数据，比较发现自己构造的 cnn 网络训练数据得到的模型不如 VGG16 训练数据得到的模型准确率高，自己训练的模型准确率在 70%-80% 之间，而 VGG16 的准确率在 95% 以上。

最后还用了 Python 的 Django 框架简单的做了个展示页面，其中包括了本人及项目介绍图片的上传及预测结果展示的小功能。

项目实现

所用技术

Keras 搭建卷积神经网络

Keras VGG16 搭建自己的卷积神经网络

OpenCV 图像识别

Django 框架

Python 文件操作