基于PaddleX的图像分类（ResNet50）与语义分割的前端Vue及后端Flask-Python海洋鱼类识别系统.zip

简介：
本项目为一个结合了深度学习模型PaddleX、前端技术Vue以及后端框架Flask-Python开发的海洋鱼类识别系统，集图像分类（ResNet50）和语义分割功能于一体。 项目介绍 此项目基于Paddlex的图片分类（ResNet50）和语义分割模块（FastSCNN），对输入的海洋鱼类图片进行名称识别和边界预测，并输出结果。采用前后端分离架构部署，前端使用Vue，后端使用Flask。 代码包含： - fish_fontbone：前端部分代码 - fish_backbone：后端部分代码 提供一张测试使用的图片。 注意事项： 1. 项目源码是个人的毕业设计作品，所有代码均经过测试运行成功，并确保功能正常。 2. 此资源适合计算机相关专业的在校学生、老师或者企业员工下载学习。同时也适用于初学者进行进阶学习，可用于毕设项目、课程设计或作业等用途。 3. 如果基础扎实，可以在现有基础上修改和扩展以实现其他功能，同样适用于毕业设计、课程设计或作业。 请在下载后首先查阅README.md文件（如有），仅供个人学习参考使用，请勿用于商业目的。