AIDog

一款从图片识别狗的类别的应用，包括Android版和微信小程序版。

源码说明

• data

  包含狗的类别信息的数据及处理脚本，数据收集自百度百科和维基百科。

  • dogs.xls - Office Excel格式的数据
  • dogs.csv - CSV格式的数据
  • csv_to_json.py - CSV格式转换为JSON格式的脚本，在微信小程序和Android程序中都使用JSON格式的数据

• serving

  包含重新训练狗类别识别模型的脚本，以及为了部署而对模型进行重建的脚本。

  • retrain.py - 从Inception V3模型重新训练狗类别识别模型的脚本
  • rebuild_model.py - 为了给微信小程序提供RESTful API，对retrain模型做了重建，使其接受base64字符串形式的图片数据。
  • test_rebuild_model.py - 测试rebuild的模型，直接inference模型
  • test_client.py - 用来测试服务器上所部署模型的简单测试客户端，适用于rebuild的模型
  • test_client_v1.py - 测试客户端的最初版本，适用于retrain出来的模型
  • dog_labels_inception_v3.txt - 狗类别标签列表，这个列表是在retrain过程中生成的

• wxapplet

  包含微信小程序的源码。

• tflite

  • android - 采用Tensorflow Lite的Android源码，在手机端实现狗狗识别。
  • scripts - 包含从mobilenet重新训练的脚本以及相关显示脚本

部署

1. 识狗君微信小程序的部署

相关文档

1. 当微信小程序遇上TensorFlow：Server端实现
2. 当微信小程序遇上TensorFlow：Server端实现补充
3. 当微信小程序遇上TensorFlow：小程序实现
4. 当微信小程序遇上TensorFlow：接收base64编码图像数据

另外关于Tensorflow SavedModel模型，您还可以阅读：

1. Tensorflow SavedModel模型的保存与加载
2. 如何查看Tensorflow SavedModel格式模型的信息
3. 如何合并两个TensorFlow模型

关于Android版本的Tensorflow Lite，您可以阅读：

1. 这个中秋，我开发了一个识别狗狗的app
2. TensorFlow在移动设备与嵌入式设备上的轻量级跨平台解决方案 | Google 开发者大会 2018
3. 如何将自己开发的模型转换为TensorFlow Lite可用模型
4. Android上的TensorFlow Lite，了解一下？

您还可以关注我的微信公众号：云水木石，一个专注于机器学习的个人空间。