阿里云视觉AI 5天实践训练营-day03-电子相册搭建(人脸、表情识别)

简介: 电子相册搭建是用阿里提供的方法将上传的图片进行分类,下面就简单介绍一下它的大概逻辑。

项目结构:
common存放一些公共类和项目常量。
config:数据装载和数据库一类的。
controller:接收外面的请求,把数据传输到前端去。
service:将不同请求和服务抽象成service,本项目有两个service,一个是resource加载和保存数据;一个是vision提供识别算法。
util:工具类。
类的功能:
控制层controller:从上至下的方法分别为获取所有图片、获取分类、通过标签和分类获取图片、通过分类获取图片列表。将图片上传到文件中然后进行识别。
截屏2020-09-26 上午8.52.05.png
截屏2020-09-26 上午8.52.15.png

resourceservice资源管理器:save方法程序结束时将数据保存在本地中。
visionservice:提供识别场景和表情的方法。
截屏2020-09-26 上午9.00.39.png
前端页面(主要由vue提供组件)可以分为三个部分:
上传:由一个组件实现,action上传的图片要访问这个后端接口,on-sucess为上传成功要执行的方法。
轮播图:用vue做的组件。
标签展示:也是用vue做的一个组件。

相关文章
|
12月前
|
人工智能 Kubernetes Cloud Native
《云原生 AI 工程化实践训练营-先锋系列》开营啦!
《云原生 AI 工程化实践训练营-先锋系列》开营啦!
|
人工智能 Kubernetes Cloud Native
火热开营丨快来报名云原生 AI 工程化实践训练营-探索系列
火热开营丨快来报名云原生 AI 工程化实践训练营-探索系列
|
人工智能 前端开发 Java
阿里云视觉AI 5天实践训练营-day05-人像分割系统
因时间关系,前端页面暂时未完成,所以本文暂时只展示后端页面。国庆做完前端会补上。
阿里云视觉AI 5天实践训练营-day05-人像分割系统
|
人工智能 Java Maven
阿里云视觉AI 5天实践训练营-day04-车辆保险应用
经过两天的案例学习,终于迎来了自己动手写的日子。本文将展示菜鸟的车辆保险应用,因能力和时间有限,前后端交互暂时未做,后面有时间会补上。
阿里云视觉AI 5天实践训练营-day04-车辆保险应用
|
人工智能 缓存 文字识别
阿里云视觉AI 5天实践训练营-day02-身份证识别系统搭建
人工智能听上去起点高,入门难,许多人想要使用AI服务又无法独立完成编写。阿里云视觉平台就为开发者提供了很友好的帮助,大量的API服务帮助我们快速建立视觉智能项目。下面我将通过身份证识别系统搭建简单介绍一下它的使用。
阿里云视觉AI 5天实践训练营-day02-身份证识别系统搭建
|
人工智能 计算机视觉
阿里云视觉AI 5天实践训练营-day01-视觉生产技术探索和应用简单介绍
视觉生产已经在个个行业中有所应用。它是通过一个或者一系列视觉过程,产出新的视觉表达。产出的内容是人或者机器可感知的图像视频,而不是标签或特征。现在就让我们一起来了解一下视觉生产的简单内容。
阿里云视觉AI 5天实践训练营-day01-视觉生产技术探索和应用简单介绍
|
人工智能 算法 计算机视觉
阿里云视觉AI 5天实践训练营
视觉生产技术探索和应用简单介绍
272 0
|
6天前
|
机器学习/深度学习 人工智能 搜索推荐
AI与未来医疗:革命性的技术,触手可及的健康
本文探讨了人工智能(AI)在医疗领域的应用及其潜力。从诊断辅助、个性化治疗到药物研发,AI正在改变我们理解健康和疾病的方式。同时,本文也讨论了AI面临的伦理挑战和数据隐私问题,呼吁建立相应的法律法规来保障患者权益。最后,本文对AI在未来医疗中的角色进行了展望,认为AI将继续推动医疗领域的创新和发展。
28 8
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术在自然语言处理中的应用
【9月更文挑战第17天】本文主要介绍了AI技术在自然语言处理(NLP)领域的应用,包括文本分类、情感分析、机器翻译和语音识别等方面。通过实例展示了AI技术如何帮助解决NLP中的挑战性问题,并讨论了未来发展趋势。
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
AI与未来医疗:技术的革新与挑战
随着科技的不断进步,人工智能(AI)在医疗领域的应用逐渐深入。本文探讨了AI在未来医疗中的潜力、面临的挑战以及其可能带来的伦理和社会影响。通过分析当前AI技术在医疗中的具体应用,如诊断、治疗和患者管理等方面,揭示其如何提高医疗服务的效率和准确性。同时,讨论了数据隐私、算法透明度等关键问题,强调了制定合理政策和规范的重要性。最后,提出了未来研究的方向和建议,以期为AI与医疗行业的深度融合提供参考。
20 1