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 2cnn 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 171.创建数据集 172. 创建模型 193. 训练网络 204. 预测 234. 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