完成植物类别部分功能实现,包括uml图的植物类别部分设计,建立数据库,代码实现,后续运维优化;设计图方面,与组员沟通,完善与植物基本信息的关联,确定为一对一关系;并设计类别具体功能——类名(科属种),别名,形态特征等;在地区分类方面,确认为多对多关系,建立中间表;代码方面,通过dao可扩展连接类,实体对象调用dao,开展dao实体的编写工作,并通过dao工厂封装管理使用对象,进行增删改查工作,并制作接口,使用户可以进行植物类别的操作;任务预期成果,用户登录后选择植物类别选项,之后选择进行增删改查的操作。
基于数据科学竞赛Kaggle的数据集,利用YOLOv8算法,并将其CNN骨干网络替换为MobileNet神经网络,训练出一个能够精确识别动植物图像的模型。进一步,调用此性能优秀的模型,设计并实现一个兼顾精确度与轻量化的动植物图像识别系统。该模型在系统方面,主要分为管理员和用户两个部分。管理员分为用户管理模块和模型管理模块。用户管理模块负责对普通用户信息的增删改查;模型管理模块负责加入新的图像识别模型。用户分为主页模块,图像识别模块,物种地图分布模块,物种记录模块,信息可视化模块。主页模块负责展示最新物种信息,系统开发简介;图像识别模块负责图像识别,识别后展示物种信息:科属种;物种分布地图模块负
完成植物类别部分功能实现,包括uml图的植物类别部分设计,建立数据库,代码实现,后续运维优化;设计图方面,与组员沟通,完善与植物基本信息的关联,确定为一对一关系;并设计类别具体功能——类名(科属种),别名,形态特征等;在地区分类方面,确认为多对多关系,建立中间表;代码方面,通过dao可扩展连接类,实体对象调用dao,开展dao实体的编写工作,并通过dao工厂封装管理使用对象,进行增删改查工作,并制作接口,使用户可以进行植物类别的操作;任务预期成果,用户登录后选择植物类别选项,之后选择进行增删改查的操作。...
基于数据科学竞赛Kaggle的数据集,利用YOLOv8算法,并将其CNN骨干网络替换为MobileNet神经网络,训练出一个能够精确识别动植物图像的模型。进一步,调用此性能优秀的模型,设计并实现一个兼顾精确度与轻量化的动植物图像识别系统。该模型在系统方面,主要分为管理员和用户两个部分。管理员分为用户管理模块和模型管理模块。用户管理模块负责对普通用户信息的增删改查;模型管理模块负责加入新的图像识别模型。用户分为主页模块,图像识别模块,物种地图分布模块,物种记录模块,信息可视化模块。主页模块负责展示最新物种信息,系统开发简介;图像识别模块负责图像识别,识别后展示物种信息:科属种;物种分布地图模块负...
添加客服微信,免费为您安排与该工程师直接沟通
长按二维码添加客服微信
如该工程师当前档期不合,也可免费为您推荐相似候选人