狗的分类

1、  工作组

2、  运动组

3、  狩猎犬组

4、  更类犬组

5、  玩具犬组

6、  牧羊犬组

7、  非运动犬组(家庭犬组)

一:工作犬组

1、秋田犬/Akita

2、阿拉斯加爱斯基摩狗/Alaskan Malamute

3、安托利亚牧羊犬/Anatolian shepherd

4、比利牛斯/Bernese Mountain Dog

5、拳师/Boxer

6、斗牛獒犬/Bullmastiff

7、杜宾犬/Doberman Pinscher

8、巨型雪纳瑞/Giant Schnauzer

9、大丹/Great dane

10、大白熊/Great Pyrenees

11、大瑞士山地犬/Gianter Swiss Mountain Dog

12、科蒙多尔/Komondor

13、库瓦兹犬/Kuvasz

14、獒犬/Mastiff

15、纽芬兰犬/Newfoundland

16、葡萄牙猎水鸟犬/Portuguese Water Dog

17、罗威拿/Rottweiler

18、圣伯拿/Saint Bernard

19、萨摩耶/Samoyed

20、 哈士奇/Siberian Husky

21、标准雪纳瑞/Standard Schnauzer


二:运动犬组(枪猎犬组)

1、指标犬/Pointer

2、切洒皮克湾寻猎犬/Chesapeake bay retriever

3、卷毛猎犬/Curly-Coated Retriever

4、黄金猎犬/Golden Retriever

5、拉布拉多/Labrador Retriever

6、英国蹬猎犬/English Setter

7、戈登蹬猎犬/Gordon Setter

8、爱尔兰蹬猎犬/Irish Setter

9、美国可卡犬/American Cocker Spaniel

10、英国可卡犬/English Cocker Spaniel

11、英国激飞猎犬/English Springer Spaniel

12、田野小猎狐犬/Field Spaniel

13、萨塞克斯猎犬/Sussex spaniel

14、威尔士激飞猎/犬Welsh springer spaniel

15、维兹拉犬/Vizsla

16、威马/Weimaraner

17、硬毛指标格里芬犬/Wirehaired pointing griffon


三:狩猎犬组(群猎犬组)

1、阿富汗猎犬/Afghan Hound

2、贝生吉犬/Basenji

3、巴吉度/Basset Hound

4、米格鲁/Beagle

5、黑褐猎浣熊犬/Biack and Tan Coonhound

6、寻血猎犬/Bloodhound

7、苏俄牧羊犬/Borzoi

8、腊肠犬/Dachshunds

9、美国猎狐犬/Fox  hound (Ameriacn )

10、灵提/Greyhound

11、爱尔兰猎狼犬/Irish Wolfhound

12、法老王猎犬/Pharaoh Hound

13、罗德西亚背脊犬/Rhodesian Ridgeback

14、萨路基猎犬/Saluki


四:更类犬组

1、万能更(爱尔兰更 )/Airedale Terrier

2、美国斯塔福/American Staffordshire Terrier

3、澳洲更/Australian Terrier

4、贝林登更/Bedlington Terrier

5、边界更/Border Terrier

6、牛头更/Bull Terrier

7、凯恩更/石标更/Cairn Terrier

8、丹地丁蒙更/Dandie Dinmont Terrier

9、短毛猎狐更/Fox Terrier (Smooth )

10、刚毛猎狐更/Fox Terrier (Wire )

11、爱尔兰更/Itish Terrier

12、杰克罗素更/Jack Russell Terrier

13、凯利兰更/Kerry Blue Terrier

14、曼彻斯特更/Manchester Terrier (Standard )

15、 迷你牛头更/Miniature Bull Terrier

16、迷你雪纳瑞/Miniature Schnauzer

17、 诺威其更/Norwich Terrier

18、苏格兰更/Scottish Terrier

19、西里汗更/Sealyham Terrier

20、软毛麦色更/Soft Coated Wheaten Terrier

21、西高地白更/West Highland White Terrier


五:玩具犬组

1、猴更/Affenpinscher

2、格瑞福/Brussels Griffon

3、吉娃娃/Chihuahua

4、中国冠毛狗/Chinese Crested

5、英国玩具犬/English Toy Spaniel

6、哈瓦那犬/Havanese

7、意大利灵提/Italian Greyhound

8、日本中/Japanese Chin

10、玛尔济斯/Maltese

11、曼彻斯特更/Manchester Terrier

12、小鹿犬/Miniature Pinscher

13、蝴蝶犬/Papillon

14、北京犬/Pekingese

15、博美犬/ Pomeranian

16、玩具贵宾犬/Poodle

17、巴哥犬/Pug

18、西施犬/ Shih Tzu

19、丝毛更/Silky Terrier

20、约克夏更/ Yorkshire Terrier


六:牧羊犬组

1、澳洲牧牛犬/Australian Cattle Dog  

2、澳洲牧羊犬/Australian Shepherd

3、长须柯利/ Bearded Collie

4、比利时牧羊/Belgian Sheepdog  

5、边界牧羊犬/Border Collie

6、法兰德斯牧羊犬/Bouvier des Flandres

7、伯瑞犬/ Briard

8、柯利牧羊犬/Collie

9、德国牧羊犬/German Shepherd Dog

10、老英国牧羊/Old English Sheepdog

11、波利犬/Puli

12、喜乐蒂/Shetland Sheepdog

13、威尔士柯基/Welsh Corgi (Cardigan )

14、威尔士柯基(潘布鲁克)Welsh Corgi (Pembroke )


七:非运动犬组(家庭组)

1、比熊/Bichon Frise

2、波士顿更/Boston Terrier

3、英国斗牛犬/Bull  dog

4、沙皮/Chinese Shar-pei

5、松狮/Chow chow

6、大麦町/Dalmatian

7、法国斗牛犬/French Bulldog

8、荷兰毛狮犬/Keeshound

9、拉萨狗/Lhasa  Apso

10、标准型贵宾/巨型贵宾/Poodle

11、小船长黑色无尾犬/ Schipperke  

12、柴犬/Shiba Inu  

13、藏璜/Tibetan Spaniel    

14、西藏更/Tibetan Terrier

Python种类识别代码可以包含如下步骤: 1. 导入必要模块,如NumPy,OpenCV和pandas等。 2. 首先,建立一个CSV文件或从网上获取带有不同样本的CSV文件。 3. 通过pandas读取CSV文件并使用NumPy将其转换为数组,其中每个数组作为一个样本被分配给另一个数组X,每个样本的类别被定义为另一个数组Y。 4. 使用OpenCV库加载图像,并将其转换为灰度图像,为后续分类器训练做准备。 5. 可以在像SIFT,SURF和ORB等特征检测器中选择一种适合的特征检测器来检测图像中重要的特征点,并为每个特征点计算相应的特征描述符。 6. 通过KNN或SVM等机器学习算法进行训练和测试,以便将每个图像分类为它所属的种类。使用KNN,需要定义一个参数K,表示分类器需要考虑多少个最近邻居来确定一个图像的类别;使用SVM,还需要指定核函数和正则化参数等参数。 7. 进行预测并计算准确率,可以使用sklearn模块中的classification_report方法,以查看分类结果的准确性和召回率。 示例代码如下: ```python import cv2 import pandas as pd import numpy as np from sklearn.model_selection import train_test_split from sklearn.neighbors import KNeighborsClassifier from sklearn.metrics import classification_report # 读取CSV文件 df = pd.read_csv('dog_breeds.csv') # 将图像转换为灰度图像 X = np.array([cv2.cvtColor(cv2.imread(img), cv2.COLOR_BGR2GRAY) for img in df['image_path']]) y = np.array(df['breed']) # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 使用SIFT算法提取每个图像的特征点和描述符 sift = cv2.SIFT_create() descriptors = [] for img in X_train: kp, des = sift.detectAndCompute(img, None) descriptors.append(des) descriptors = np.array(descriptors) # 训练和测试分类器 knn = KNeighborsClassifier() knn.fit(descriptors.reshape(len(descriptors), -1), y_train) y_pred = knn.predict(descriptors.reshape(len(descriptors), -1)) print(classification_report(y_train, y_pred)) # 可以使用相同的方式测试测试集的结果 ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值