本仓库提供一个简易的图片分类训练与预测系统， 可用于学校学生上课体验项目中的图像收集与分析。 后端基于 Python Flask，提供 JSON API； 前端位于 frontend 目录，采用 Vue 的 VitePress 构建。

python -m venv .venv
source .venv/bin/activate  # Windows 使用 .venv\Scripts\activate

1. 准备 Python 3.8+ 环境，安装 Flask、TensorFlow 等依赖。 若需更准确的人脸比对效果，可额外安装 face_recognition 库： pip install face_recognition。 安装前会遇到cmake、dlib和numpy==1.26.9版本的环境问题。 pip install "numpy==1.26.4可以解决numpy问题；cmake和dlib安装包已经在项目中给出直接安装即可。 翻译功能依赖 argostranslate 以及对应的中英离线语言包，请预先安装： pip install argostranslate，并通过运行install_en_zh_translate.py完成导入中英互译数据。
2. 在项目根目录执行 python app.py 启动后端服务。
3. 安装 Node.js 后进入 frontend 目录，执行 npm install。
4. 通过 npx vitepress dev docs 启动前端开发服务器。
5. 打开前端页面后可在首页按需配置后端地址，随后即可使用各功能。
6. pip install的库比较多，除了上述内容以外还有flask_sock、tensorflow

1. 打开前端页面，先在“上传训练图片”处按类别上传样本。
2. 在“开始训练”页面点击按钮，等待模型训练完成。
3. 训练结束后，在“上传图片进行预测”页面选择图片即可得到分类结果。
4. 如需连接不同的后端服务，可在前端首页调整 API 地址。

• train_data 目录下需按类别建立子文件夹，每个类别至少包含一张图片。
• 模型训练在 CPU 上进行，数据量较大时耗时可能较长。
• 若部署在不同服务器，请修改 frontend/docs/apiConfig.js 中的 API_BASE。

1. 人脸识别相关功能
2. 语音对话功能（Zipformer）模型待研究
3. yolo-world相关支持
4. 语音处理
5. 语音合成