为了熟练数据训练的过程，我在闲暇之余搞了一组当代顶流蔡徐坤先生的数据集，这个数据集包含了蔡徐坤先生的照片和一些鸡的照片，为什么要这么做？自然是现在的网友分不清蔡徐坤先生和鸡！于是我用这些数据集训练了一个模型并开发了一个坤坤鉴定器，以此来帮助网友分辩出坤坤先生。

KUN：含坤量，可以看出左图含坤量极高，鉴定为坤坤。

CHICKEN：含鸡量，右图含鸡量高，鉴定为只因。

代码还有音乐播放功能，当为坤坤时随机播放“厉不厉害你坤哥”，“哎呦你干嘛”，当为只因时播放“只因你太美”

数据集和训练的模型等我整理以后放到网盘进行共享，下面提供代码。

import cv2
import torch
import torch.nn as nn
from torchvision import transforms, models
from PIL import Image, ImageDraw, ImageFont
import numpy as np
import os
import pygame
import random

# 初始化pygame用于播放音乐
pygame.init()

# 加载预训练模型
device = "cuda" if torch.cuda.is_available() else "cpu"
model = models.resnet18(pretrained=True)
nr_filters = model.fc.in_features
model.fc = nn.Linear(nr_filters, 1)
model.load_state_dict(torch.load('kun_weight.pt', map_location=torch.device(device)))
model = model.to(device)
model.eval()

# 图像预处理
transformations = transforms.Compose([
    transforms.Resize((224, 224)),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
])

# 读取文件夹中的图片
def load_images_from_folder(folder):
    images = []
    for filename in os.listdir(folder):
        img = cv2.imread(os.path.join(folder, filename))
        if img is not None:
            img = cv2.resize(img, (600, 600))  # 统一尺寸为600x600
            images.append(img)
    return images

folder = '/use/'  # 替换为你的图片文件夹路径
images = load_images_from_folder(folder)
index = 0

# 播放音乐函数
def play_sound(file_path):
    pygame.mixer.music.load(file_path)
    pygame.mixer.music.play()

# 加载声音文件
chicken_sound_path = '/Users/jini.mp3'
kun_sound_paths = [
    '/Users/kunkun.mp3',  # 坤坤第一段音乐
    '/Users/kunkun2.mp3'   # 坤坤第二段音乐
]

# 创建窗口并设置固定大小
cv2.namedWindow('KUN-er Classifier', cv2.WINDOW_NORMAL)
cv2.resizeWindow('KUN-er Classifier', 1000, 800)  # 固定窗口大小

# 加载字体
font_path = '/System/Library/Fonts/STHeiti Light.ttc'  # 替换为你的字体文件路径
font = ImageFont.truetype(font_path, 20)
font_large = ImageFont.truetype(font_path, 24)

# 主循环
while True:
    frame = images[index]

    # 将OpenCV图像转换为PIL图像
    pil_image = Image.fromarray(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB))

    # 图像预处理
    img_tensor = transformations(pil_image).unsqueeze(0).to(device)

    # 模型推理
    with torch.no_grad():
        pred = model(img_tensor)
        sigmoid = torch.sigmoid(pred)
        probability = sigmoid.item()

    # 确定分类结果
    kun_prob = round(100 * (1 - probability), 2)
    chicken_prob = round(100 * probability, 2)
    label = f"KUN: {kun_prob}% | CHICKEN: {chicken_prob}%"

    # 根据识别结果播放音乐和显示鉴定结果
    if chicken_prob > 50:
        play_sound(chicken_sound_path)  # 鸡声音文件路径
        label += " | 鉴定为只因"
    elif kun_prob > 50:
        kun_sound_path = random.choice(kun_sound_paths)  # 随机选择一段坤坤的音乐
        play_sound(kun_sound_path)  # 坤声音文件路径
        label += " | 鉴定为坤坤"

    # 在PIL图像上绘制标签
    draw = ImageDraw.Draw(pil_image)
    draw.rectangle((10, 10, 550, 60), fill=(255, 0, 0, 128))  # 添加背景框
    draw.text((20, 25), label, font=font_large, fill=(255, 255, 255, 0))

    # 添加操作信息
    operation_info = "按A上一张照片，按D下一张照片——坤鸡鉴定器"
    draw.rectangle((10, 560, 455, 590), fill=(0, 0, 0, 128))  # 添加背景框
    draw.text((20, 565), operation_info, font=font, fill=(255, 255, 255, 0))

    # 将PIL图像转换回OpenCV图像
    frame = cv2.cvtColor(np.array(pil_image), cv2.COLOR_RGB2BGR)

    # 显示结果
    cv2.imshow('KUN-er Classifier', frame)

    # 按下'a'键上一张，'d'键下一张，'q'键退出循环
    key = cv2.waitKey(0)
    if key == ord('a'):  # 左键
        index = (index - 1) % len(images)
    elif key == ord('d'):  # 右键
        index = (index + 1) % len(images)
    elif key == ord('q'):  # 按下'q'键退出循环
        break

# 关闭所有OpenCV窗口
cv2.destroyAllWindows()

代码还是很简单的，不过本项目还是以娱乐为主，切莫当真，坤哥的人品和实力还是很不错的😄。

不得不吐槽一下横琴口岸那边的快递站真的混乱，拿快递好麻烦，打算开发一个找快递的程序，直接自己找到取件码。

前言

效果展示

代码示例

最后