Android Studio APP——猫狗分类（TFlite模型转化）笔记

藝簡

已于 2022-04-18 22:07:43 修改

阅读量1.1k

点赞数 2

文章标签： kotlin

于 2022-04-18 22:07:03 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_48802554/article/details/124260322

版权

本文记录了在Android Studio 4.1+版本中使用TFLite模型进行猫狗分类的过程。首先介绍了如何导入TFLite模型，接着详细讲解了布局设计，包括layout界面配置。然后重点解析了`ImageClassifierActivity`，这是程序的主要操作类，包含了初始化模型和图片点击处理功能。最后，阐述了`Classifier`类的作用，该类负责模型解析、参数设置和图像预处理，确保模型能够正确进行分类任务。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.模型导入

Android Studio 版本要4.1版本以上，没有的需要更新。

接下来，右键单击要使用 TFLite 模型的模块或单击，然后FileNew > Other > TensorFlow Lite Model ，如图所示：

导入后模型存在在这:

2.程序解析

2.1 layout布局

猫狗分类APP只有一个activity——也就是只有一个界面，布局是放置在“layout”这里的，如下所示

2.2 ImageClassifierActivity

这里是主要进行APP操作的类文件，就相当于C语言中的mian函数

这个接口函数，引用了布局layout，定义了两个函数，一个是 initClassifier()，这个函数调用了 Classifier这个类的对于TF模型的一些关键参数，initViews()这是一个图片点击函数，就是APP最基本的函数功能。

 override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        setContentView(R.layout.activity_image_classifier)
        initClassifier()
        initViews()
    }

这个接口函数，用Toast告诉点击后的结果，也就是具体的分类的标准

 override fun onClick(view: View?) {
        val bitmap = ((view as ImageView).drawable as BitmapDrawable).bitmap

        val result = classifier.recognizeImage(bitmap)

        runOnUiThread { Toast.makeText(this, result.get(0).title, Toast.LENGTH_SHORT).show() }
    }

package co

最低0.47元/天解锁文章