基于YOLOv8的动漫人脸角色识别

起初是发现一个动漫人物face相关的数据集icartoonface，然后又刚好在学YOLO，就想着做一个动漫人物识别的项目(刚好也能水一下这学期的人工智能实践)。经过一段时间的模型训练，我用得到的模型构建了api_server，但缺少可视化交互展示界面，最近也是收到百度官方人员邀请使用文心快码的新版本，于是想到了用文心快码来做可视化交互展示网站。

Comate

文心快码 (Baidu Comate) 是百度公司倾力打造的一款创新性 AI 编程助手。它深度融合了先进的人工智能技术，为开发者提供贯穿软件开发全流程的智能编码辅助，旨在创造更懂你的下一代编程体验。无论您是编程初学者还是经验丰富的开发者，文心快码都能成为您值得信赖的编程伙伴。

您可以通过在 VSCode、JetBrains IDEs 等主流 IDE 中安装 Comate 插件，或直接使用功能强大的独立 AI IDE 来体验文心快码。

简谈

AI Coding最近掀起了热潮，众多大厂都在跟进，比如微软的Copilot、谷歌的Bard等都推出了自己的AI编程助手。百度作为国内赶上AI早集的厂商，当然也早早推出了自家的产品——文心快码，从2023 年 10 月 24 日正式上线，到现在的文心快码3.5S以及Comate AI IDE。但始终没有怎么进入大众的视野，至少在我所在的圈子是这样的。

开始

我这里采用的是官方默认Agent模式——Zulu以及默认的大语言模型设置——auto，其他功能和智能体还没来得及研究。

理解项目

这是我的项目结构，第一步肯定得让ai知道我的项目是做什么的，刚好comate提供了一个介绍当前项目的提示标签，所以我直接用这个标签。

经过一顿输出，简单看了一下，基本都理解了。

注意：如果你想要使用ai coding在项目上做二次开发，都需要先让ai了解项目结构内容等，方便ai做出后面的决策修改等。

直接给要求

由于我是想让他基于原始项目写网页，现在他已经理解我用了什么框架，实现了哪些功能，这个就是ai的强大之处，不用像工作同事合作那样挨个对接。现在直接给他你的要求，让他直接写，后面出现问题了再慢慢修改。（要是能一遍写好，并让我满意最好不过了😠）

我的要求是：

我写的网页太丑了，帮我设计一个规整好看的动漫人物识别网页，要求尽量体现api_server的所有功能。

comate回复的一部分：

我会创建一个新的HTML文件来展示所有API功能，包含以下部分：

1. 文件上传区域

2. 检测/识别结果显示区

3. API功能切换面板

4. 结果可视化展示

5. 详细的API响应信息

然后就开始编写html文件了，但是！竟然把js、css也都写在html文件中的。这一点不是很规范，并且这个网页也不算小，还是需要去符合统一标准的。

编写完成后，说明了一下特点功能和使用方式等，我迫不及待运行然后点开网页。

怎么说，感觉外观还不错，我还挺喜欢这个配色和布局的，然后检查了一下后台，也没什么报错。

测试功能

只是编写好了一个网页还不远远不够的，功能完善才是重点。

我先是用一张只有一个角色的图片测试了所有功能，发现都没啥问题。

然后我又选了张有多个角色的图片，发现还是有问题的，不过不是功能上的，而是展示效果上的问题，这得改。

优化结构和修改展示效果

我的要求是：

使用js css不要全部写在html中，还有现在检测框不要标注上标签文字，只需要检测框就行了，然后鼠标悬浮放到对应检测框上面可以在鼠标旁边显示信息

注意：如果是啥也不会的小白，比如js、css都不知道，想要进行二次开发，还是很有局限性的，所以至少得要知道一些基础的前置知识。

后面我就没有太关注回复的流程逻辑了，主要我也不太懂css，js代码，并且我看重结果，只要能修改好就没问题。

可以看到创建了对应的js和css，这样更好管理网页了。

直接运行访问，发现效果好多了，并且功能也都正常，只不过还有小问题，比如鼠标悬浮显示信息这块，我要求的是在鼠标旁边显示，但是有时候会显示到屏幕外面去，这点需要再优化。

继续优化展示效果

然后就是基本的流程测试发现问题修复，用了这么多ai coding，很少有可以直接一步修理好这种不明显的非bug类型的问题，comate也不例外，不过几次修改之后，基本能达到我想要的效果了，而且也没有影响原来的功能。

展示如下：

结尾

为了完善项目，后面继续让comate写了一个api文档页面并能够喝主页面跳转，三轮聊天就写好修复完善了。

当然也少不了README的编写，这个就简单了，直接让comate写就好。还是很简洁明了的。

项目地址可见：yolov8_anim_recog_comate

总结

用起来还是很方便的，但是还是有很多细节需要打磨。

• 使用库版本：虽然在这个项目中没怎么体现，但是在其他地方用的时候，发现大多数时候用的库还都比较老了，不是最新的，这点有待改进。因为一般安装库不指定版本都是安装的最新版，但是comate用有的库比如openai这个库，还是老版本的类和方法，导致会出bug，虽然也能改但是这个问题还是有点影响体验。
• 代码规范：这点上面也提到了，直接把js、css写在html中，这点不太符合前端开发的规范，应该在提示词中加入规范化代码文件结构的要求，不只是在单个文件内部的代码结构上做文章，还需要整个代码结构规范化。
• 是否保留修改代码问题：这个可以看看其他AI Coding工具的做法，比如微软的copilot，在生成代码后，会询问是否保留修改，现在comate的覆盖方式很奇怪，不能选择那几行代码进行覆盖，而是直接覆盖整个文件。
• 代码解释和bug解释：开门见山地给出代码解释和bug解释，这点也还欠缺，有时候一个简单的解释就能让用户知道是什么问题，用户也能成长，也能溯源问题等，而不是闷头大干，用户啥也不知道。