Giới thiệu về chương trình: Các chế độ: Trang web có 6 chức năng nhận dạng chữ số viết tay, dự đoán giá nhà ở California, phát hiện khuôn mặt và nhận diện khuôn mặt, nhận dạng loài bướm,
Tổng quan chương trình
Giới thiệu về chương trình
Các chế độ: Trang web có 6 chức năng nhận dạng chữ số viết tay, dự đoán giá nhà ở California, phát hiện khuôn mặt và nhận diện khuôn mặt, nhận dạng loài bướm, phân tích loài hoa Iris.
Cách dùng: Ở trang chủ người dùng sẽ thấy được thông tin của trang web Phần danh mục bên trái sẽ là các chức năng chính của trang web Khi chọn vào Nhận dạng chữ số viết tay thì sẽ chuyển sang trang nhận dạng chữ viết tay, bên trong sẽ có một nút tạo ảnh và nhận dạng Khi chọn vào nút này thì trang web sẽ tạo một bảng các chữ số viết tay và tiến hành nhận dạng các chữ số đó Khi chọn vào Dự báo giá nhà California thì trang web thì cung cấp các thông tin liên quan đến giá nhà ở California Khi chọn vào Nhận dạng loài bướm, chúng ta sẽ tiến hành upload một ảnh bướm bất kì và chọn vào nút nhận dạng Trang web sẽ trả về tên của loài bướm có trong ảnh Khi chọn và Phân tích loài hoa Iris, trang web sẽ hiển thị tất cả thông tin về loài hoa này Khi chọn và Phát hiện gương mặt, trang web sẽ thực hiện mở camera và tiến hành phát hiện gương mặt ngồi trước camera Khi chọn vào Nhận dạng khuôn mặt, trang web sẽ mở camera và tiến hành nhận dạng người ngồi trước camera và trả về thông tin là tên của người đó (hình ảnh của người này đã được tranning từ trước).
Mục đích, tính năng
1.2.1 Mục đích: Ứng dụng các kiến thức đã học từ môn Machine Learning.
Cung cấp các chức năng hữu ích và thông minh để đáp ứng các như cầu đa dạng
- Dự báo giá nhà California
- Nhận dạng chữ số viết tay
- Phân tích loài hoa IRIS
Chương2 Thiết kế trang web và code nhận dạng
Thiết kế giao diện
2.1.2 Giao diện trang IRIS EDA
2.1.3 Giao diện trang Dự báo giá nhà California
2.1.4 Giao diện trang Phát hiện gương mặt
2.1.5 Giao diện trang Nhận dạng chữ số viết tay
2.1.6 Giao diện trang Nhận dạng các loài bướm
2.1.7 Giao diện trang Nhận dạng khuôn mặt
Code chương trình
2.2.1 Thư viện và framework sử dụng chính: Để thực hiện được bài này chúng em đã dùng một số thư viện và framework của python để có thể hoàn thành được bài tập như là streamlit, pandas, numpy, os, matplotlib, seaborn, PIL, joblib, opencv, tensorflow, tempfile
\ cải thiện tốc độ và dữ liệu bộ đệm
Hiển thị toàn bộ khung dữ liệu
2.2.3 Dự báo giá nhà California def my_format(x): s="{:,.0f}".format( )x
:ifL