项目封面
项目背景
目前,人工智能是一个极其热门的专业,但是对于一些刚入学的大一新生或者刚接触计算机行业的人来说,人工智能的说法过于抽象,不能很好的理解人工智能的具体概念。在此次实验中,我们以人脸识别为例,通过对卷积过程的可视化展现对他们进行一个基础入门学习的引导。首先需要登陆我们的学号来进行实验,本实验的数据集是由100张人脸组成,其中80张为训练集,训练人脸识别模型;剩余20张作为测试集,测试模型分类效果。通过基于主成分分析(Principle Component Analysis,PCA)的卷积神经网络PCANet进行图片特征提取,然后送入大间隔分类器(Large Margin Classifier,LMC)进行训练最终得出训练结果。通过对于人脸识别过程的可视化,增强用户对人工智能,尤其是卷积神经网络和主成分分析中相关概念的理解。
项目原理流程
项目页面介绍
项目后端服务
1. 技术选型
在本小程序中,后端服务采用了以下主要技术及框架:
- Golang
- Gin
- gorm
2. 接口集合
查找题目
请求路径:/crmProblems/findCrmProblems
请求方式:Get
学生登录
请求路径:/base/login
请求方式:Post
获取图形验证码
请求路径:/base/captcha
请求方式:Post
Token 失效
请求路径:/jwt/jsonInBlacklist
请求方式:Post
获取实验结果
请求路径:/crmFaceRecognitionResult/findCrmFaceRecognitionResultByOptions
请求方式:Get
提交实验记录
请求路径:/crmUsersExperiments/createCrmUsersExperimentsFromUser
请求方式:Post
二、小程序服务
1. 技术选型
在本小程序中,采用了以下主要小程序相关技术及框架:
- Javascript
- Taro
- D.VA
2. 关于目录
2.1 组件目录
组件目录基于原子性原则,针对页面抽离了不同的组件,以便于后期的复用与维护。
2.2 页面目录
页面目录包含了所有用户可视的源代码文件。
2.3 工具目录
工具目录包含了所有辅助小程序稳健运行的工具函数。
项目体验二维码
项目团队/分工
此次参赛团队共分有两人,分别是耿雪纯、陈鹏宇。具体分工如下:
耿雪纯
• 后端python编程实现PCANet人脸识别整个可视化
• python编程搭建LMC分类器
• 调参提高识别准确率
陈鹏宇
• 前端
• 后端
• 后端管理界面
• 小程序
• 服务器部署
• 服务器维护。
其他
GitHub:https://github.com/polichan/Palette-taro
部署教程:https://github.com/polichan/Palette-taro/blob/master/deployment.md
部署教程PDF:链接:https://pan.baidu.com/s/1aXvnJRvvlWb9_nn3Vd1Dew 提取码:5llw
视频介绍链接:https://v.qq.com/x/page/t3153s85vi0.html
小程序文档介绍(含PCANet,LMC分类器原理介绍):链接:https://pan.baidu.com/s/1p8VvnHs1BedCb0lQNMHAvw 提取码:s5al
6666
666
人脸仿真啊!