# faiss_dog_cat_question_pro

**Repository Path**: rainyf/faiss_dog_cat_question_pro

## Basic Information

- **Project Name**: faiss_dog_cat_question_pro
- **Description**: 本项目使用FAISS库实现了基于K近邻的图像分类器。该分类器可以使用CPU或GPU进行训练，并支持两种特征提取方法：flat和vgg。用户可以选择使用sklearn或faiss库实现K近邻算法。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 378
- **Created**: 2025-10-22
- **Last Updated**: 2025-11-05

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 🐱🐶 集成学习猫狗分类器

一个基于 scikit-learn + XGBoost 的集成学习猫狗分类项目，提供一键训练与 Gradio Web 推理界面，同时兼容原有 FAISS KNN 方案。默认使用 CPU 与 flat 特征，训练完成后自动保存最佳模型并输出所有模型对比结果。

---

## 目录
- 快速开始（安装/训练/启动）
- 数据准备（支持子目录与扁平文件名）
- 训练产物与如何查看各模型准确率
- 已实现的集成学习算法
- 项目结构

---

## 🚀 快速开始

建议使用 Python 3.8+。

### 1) 安装依赖

优先使用依赖清单：

```powershell
pip install -r requirements.txt
```

### 2) 训练模型（20~60 分钟，视机器与数据量而定）

```powershell
python train_ensemble.py
```

训练脚本会：
- 自动加载 data/train 下的数据并提取 flat 特征（32x32 灰度 + L2 归一化）
- 训练 7 种集成学习方法与 3 个基础模型
- 输出每个模型的训练/预测时间与准确率
- 自动保存“最佳模型”及完整对比信息

### 3) 启动 Web 应用

```powershell
python ensemble_webapp.py
```

浏览器将打开 http://localhost:7860，上传图片即可得到预测结果与置信度。

---

## 📦 数据准备

支持两种组织方式：

1) 传统子目录结构（推荐）

```
data/
   train/
      cats/
         cat.0.jpg
         ...
      dogs/
         dog.0.jpg
         ...
```

2) 扁平目录（无需子文件夹），通过文件名判断类别：

```
data/
   train/
      cat_001.jpg
      dog-02.png
      ...
```

规则：文件名中包含 “cat” 视为猫类（0），包含 “dog” 视为狗类（1）。

---

## 🧾 训练产物与查看结果

训练完成后会在项目根目录生成：
- `best_ensemble_model_[模型名].pkl`：准确率最高的模型
- `best_model_info.pkl`：包含所有模型的准确率、训练/预测时间等

快速查看本次各模型准确率（可直接在 Python 里运行）：

```python
import pickle
with open('best_model_info.pkl','rb') as f:
      info = pickle.load(f)
for k, v in info['all_results'].items():
      print(k, v['accuracy'])
print('BEST:', info['model_name'], info['accuracy'])
```

## 🧠 已实现的模型（共 10 个）

- 基础分类器：
   - 逻辑回归（LogisticRegression）
   - 随机森林（RandomForestClassifier, n_estimators=100, max_depth=10）
   - 支持向量机（SVC, RBF 核, probability=True）
- 集成学习：
   - Voting 硬投票（hard）
   - Voting 软投票（soft，SVM 权重大）
   - Stacking（5 折，LR 作为元学习器）
   - Bagging（DecisionTree 基学习器，n_estimators=200, bootstrap=True）
   - Pasting（与 Bagging 配置一致，但 bootstrap=False）
   - AdaBoost（DecisionTree(max_depth=1)，n_estimators=100, learning_rate=0.8）
   - XGBoost（n_estimators=150, learning_rate=0.1, max_depth=5, subsample=0.8, colsample_bytree=0.8）

提示：如果你需要 sklearn 的 GradientBoostingClassifier 版本，也可以在 `train_ensemble.py` 中按需新增；当前项目默认使用更强的 XGBoost。

---

## 📁 项目结构

```
faiss_dog_cat_question_pro/
├─ train.py                 # 原 KNN 训练脚本
├─ FaissKNeighbors.py       # Faiss KNN 实现
├─ util.py                  # 数据/特征工具（已支持扁平目录识别 cat/dog）
├─ train_ensemble.py        # 集成学习训练脚本（本项目核心）
├─ ensemble_webapp.py       # Gradio 推理应用
├─ readme.md                # 你正在看的唯一说明文档
└─ data/
    ├─ train/
    └─ test/
```

---

## 📝 个人信息
- 学号: 202352320128
- 年级：2023级
- 专业: 智能科学与技术
- 班级: 一班