“智能牛ID管家”—基于安卓及牛脸识别的养殖保险服务系统 - 移动应用开发 - 全国大学生数字媒体科技作品及创意竞赛官网
查看原图

竞赛作品 > 移动应用开发

“智能牛ID管家”—基于安卓及牛脸识别的养殖保险服务系统

  • 移动应用开发竞赛作品——“智能牛ID管家”—基于安卓及牛脸识别的养殖保险服务系统

    作品名称:“智能牛ID管家”—基于安卓及牛脸识别的养殖保险服务系统
    参赛院校:西安理工大学
    指导教师:陈亚军
    团队成员:万仁鑫、李雪婧、路雨晴、黄铁林
    数媒竞赛网(mit.caai.cn)2020年参赛作品
    作品描述:

    在安卓设备上用摄像头拍摄或者读入牛脸图片,然后识别出图片中的牛脸是具体数据库已知的哪一头牛,此外还允许使用者新增数据库不存在的牛只信息,在录入该牛只数据后,用户便可对该牛进行识别。要实现这些功能,需要不同的卷积神经网络模型,如AlexNet、MobileNet、SVM等,从而实现识别功能。并且,需要克服不同条件下的牛只图像识别,包括有不同光照条件、牛面部朝向不同方向时、牛距离相机不同距离时等,需要分析不同CNN模型对这些情况的识别准确率,然后对它们进行参数优化,由于模型最终将在安卓设备下运行,因此需要保证模型体积尽可能的小,速度应要在可接受范围内。在模型的实现方面,研究对比了Pytorch和Tensorflow两个主流的机器学习框架,最终选用了Tensorflow,因为该框架的生态相对更加繁荣,相关资料更为丰富,并且对安卓平台的支持也十分良好,可以大大降低开发成本。在安卓开发方面,对比了原生Java开发和相关的开发框架,最终选用了Facebook公司研发的React-Native框架。


  • 移动应用开发竞赛作品——“智能牛ID管家”—基于安卓及牛脸识别的养殖保险服务系统

    作品名称:“智能牛ID管家”—基于安卓及牛脸识别的养殖保险服务系统
    参赛院校:西安理工大学
    指导教师:陈亚军
    团队成员:万仁鑫、李雪婧、路雨晴、黄铁林
    数媒竞赛网2020年参赛作品
    作品描述:

    在安卓设备上用摄像头拍摄或者读入牛脸图片,然后识别出图片中的牛脸是具体数据库已知的哪一头牛,此外还允许使用者新增数据库不存在的牛只信息,在录入该牛只数据后,用户便可对该牛进行识别。要实现这些功能,需要不同的卷积神经网络模型,如AlexNet、MobileNet、SVM等,从而实现识别功能。并且,需要克服不同条件下的牛只图像识别,包括有不同光照条件、牛面部朝向不同方向时、牛距离相机不同距离时等,需要分析不同CNN模型对这些情况的识别准确率,然后对它们进行参数优化,由于模型最终将在安卓设备下运行,因此需要保证模型体积尽可能的小,速度应要在可接受范围内。在模型的实现方面,研究对比了Pytorch和Tensorflow两个主流的机器学习框架,最终选用了Tensorflow,因为该框架的生态相对更加繁荣,相关资料更为丰富,并且对安卓平台的支持也十分良好,可以大大降低开发成本。在安卓开发方面,对比了原生Java开发和相关的开发框架,最终选用了Facebook公司研发的React-Native框架。


  • 移动应用开发竞赛作品——“智能牛ID管家”—基于安卓及牛脸识别的养殖保险服务系统

    作品名称:“智能牛ID管家”—基于安卓及牛脸识别的养殖保险服务系统
    参赛院校:西安理工大学
    指导教师:陈亚军
    团队成员:万仁鑫、李雪婧、路雨晴、黄铁林
    数媒竞赛网2020年参赛作品
    作品描述:

    在安卓设备上用摄像头拍摄或者读入牛脸图片,然后识别出图片中的牛脸是具体数据库已知的哪一头牛,此外还允许使用者新增数据库不存在的牛只信息,在录入该牛只数据后,用户便可对该牛进行识别。要实现这些功能,需要不同的卷积神经网络模型,如AlexNet、MobileNet、SVM等,从而实现识别功能。并且,需要克服不同条件下的牛只图像识别,包括有不同光照条件、牛面部朝向不同方向时、牛距离相机不同距离时等,需要分析不同CNN模型对这些情况的识别准确率,然后对它们进行参数优化,由于模型最终将在安卓设备下运行,因此需要保证模型体积尽可能的小,速度应要在可接受范围内。在模型的实现方面,研究对比了Pytorch和Tensorflow两个主流的机器学习框架,最终选用了Tensorflow,因为该框架的生态相对更加繁荣,相关资料更为丰富,并且对安卓平台的支持也十分良好,可以大大降低开发成本。在安卓开发方面,对比了原生Java开发和相关的开发框架,最终选用了Facebook公司研发的React-Native框架。


  • 移动应用开发竞赛作品——“智能牛ID管家”—基于安卓及牛脸识别的养殖保险服务系统

    作品名称:“智能牛ID管家”—基于安卓及牛脸识别的养殖保险服务系统
    参赛院校:西安理工大学
    指导教师:陈亚军
    团队成员:万仁鑫、李雪婧、路雨晴、黄铁林
    数媒竞赛网2020年参赛作品
    作品描述:

    在安卓设备上用摄像头拍摄或者读入牛脸图片,然后识别出图片中的牛脸是具体数据库已知的哪一头牛,此外还允许使用者新增数据库不存在的牛只信息,在录入该牛只数据后,用户便可对该牛进行识别。要实现这些功能,需要不同的卷积神经网络模型,如AlexNet、MobileNet、SVM等,从而实现识别功能。并且,需要克服不同条件下的牛只图像识别,包括有不同光照条件、牛面部朝向不同方向时、牛距离相机不同距离时等,需要分析不同CNN模型对这些情况的识别准确率,然后对它们进行参数优化,由于模型最终将在安卓设备下运行,因此需要保证模型体积尽可能的小,速度应要在可接受范围内。在模型的实现方面,研究对比了Pytorch和Tensorflow两个主流的机器学习框架,最终选用了Tensorflow,因为该框架的生态相对更加繁荣,相关资料更为丰富,并且对安卓平台的支持也十分良好,可以大大降低开发成本。在安卓开发方面,对比了原生Java开发和相关的开发框架,最终选用了Facebook公司研发的React-Native框架。


  • 移动应用开发竞赛作品——“智能牛ID管家”—基于安卓及牛脸识别的养殖保险服务系统

    作品名称:“智能牛ID管家”—基于安卓及牛脸识别的养殖保险服务系统
    参赛院校:西安理工大学
    指导教师:陈亚军
    团队成员:万仁鑫、李雪婧、路雨晴、黄铁林
    数媒竞赛网2020年参赛作品
    作品描述:

    在安卓设备上用摄像头拍摄或者读入牛脸图片,然后识别出图片中的牛脸是具体数据库已知的哪一头牛,此外还允许使用者新增数据库不存在的牛只信息,在录入该牛只数据后,用户便可对该牛进行识别。要实现这些功能,需要不同的卷积神经网络模型,如AlexNet、MobileNet、SVM等,从而实现识别功能。并且,需要克服不同条件下的牛只图像识别,包括有不同光照条件、牛面部朝向不同方向时、牛距离相机不同距离时等,需要分析不同CNN模型对这些情况的识别准确率,然后对它们进行参数优化,由于模型最终将在安卓设备下运行,因此需要保证模型体积尽可能的小,速度应要在可接受范围内。在模型的实现方面,研究对比了Pytorch和Tensorflow两个主流的机器学习框架,最终选用了Tensorflow,因为该框架的生态相对更加繁荣,相关资料更为丰富,并且对安卓平台的支持也十分良好,可以大大降低开发成本。在安卓开发方面,对比了原生Java开发和相关的开发框架,最终选用了Facebook公司研发的React-Native框架。



移动应用开发竞赛作品—影视大赏 上一篇

  • 1/5

  • 2/5

  • 3/5

  • 4/5

  • 5/5

移动应用开发竞赛作品—Cowalkers健步走小程序 下一篇



Copyright © 2001 - 2022 全国大学生数字媒体科技作品及创意竞赛网版权所有

Copyright © 2001 - 2022 数媒竞赛网(http://www.shumeijingsai.com)版权所有