基于前后端分离的多模式识别系统设计

"AI2019_Group16_基于前后端分离的多功能识别系统1" 本项目是一个综合性的AI识别系统，采用前后端分离的架构，旨在实现多种功能，包括场景识别、目标识别、人脸识别、人体识别以及人体关键点识别。该系统由三名学生团队——吴语港、苏成和盛黎明共同完成，作为中国科学技术大学人工智能课程设计的一部分，于2019年12月2日完成。 系统的核心在于客户端和服务端的协作。用户通过客户端选择所需的工作模式，如场景识别或人脸识别等，然后上传本地图片。客户端将图片发送至服务端，指定识别任务类型。服务端接收到请求后，利用预先训练好的模型（如针对场景和目标识别的模型）或调用第三方API（如旷视科技的API）进行处理。识别完成后，服务端将结果返回给客户端，客户端再利用OpenCV库在原始图片上标注出识别信息，以直观展示识别结果。 在技术实现上，项目采用了Inception-V3模型，这是一种深度学习的卷积神经网络，常用于图像分类任务。Inception-V3以其高效的计算性能和较高的识别精度而被选用。吴语港负责前后端的设计，包括本地模型的部署和API接口的调用；苏成专注于场景分类模型的设计、训练和测试，使用了InceptionNet-V3结构进行场景识别；盛黎明则致力于目标识别模型的开发，同样基于Inception-V3进行模型构建、训练和验证。 系统详细文档分为四个部分： 1. 第1章总体介绍，包含了项目的资源地址和使用说明，便于用户了解和操作。 2. 第2章深入讨论了场景分类模型的设计，包括总体概述和测试程序，展示了如何训练和评估模型的性能。 3. 第3章详细阐述了目标识别模型的构建，对InceptionNet-V3模型进行了介绍，并解释了处理程序的实现细节。 4. 第4章主要关注客户端的设计，涵盖客户端的整体架构，以及针对不同识别任务（场景、目标、人脸、人体）的特定处理类。 关键词：场景识别、目标识别、服务端、客户端、旷视科技API、人体识别人脸识别人体关键点识别、Inception-V3。 这个项目展示了如何将深度学习模型与实际应用相结合，通过前后端分离的架构，实现高效、便捷的多模态识别功能，对于理解和实践AI应用具有很高的参考价值。