|
|
java傻瓜ai框架图像内物体的识别，定位等图像ai服务，及自然语言分类处理服务
java傻瓜ai框架，无需任何算法知识，通过简单的api调用就可以实现 常用的图像内物体的识别，定位等图像ai服务，及自然语言分类处理服务。面向java开发程序员，不依赖任何第三方库，第三方接口，独立包。
软件说明：- 本软件对物体在图像中进行训练及识别，切割，定位的轻量级，面向小白的框架。
- 本软件对中文输入语句，对输入语句的类别进行分类，关键词抓取，词延伸，以及集成智能客服功能在逐渐扩展中
- 若有想扩充的功能请进微信群提意见，若是通用场景我会陆续补充，微信群信息在文档下方。
- 本软件永久免费商业使用，但作者已拥有本软件相关的知识产权，任何个人与集体不可擅自申请本软件内的技术与代码的知识产权。
详细视频教程地址：框架效果演示结果:- 因为是框架没有图像化界面，演示结果就是控制台输出的数据，只能用视频展示，想看演示结果请看教学视频
目前拥有的核心功能（若对您的学习或生产有帮助，请留下您的STAR）- 对图片中得物体进行识别。
- 对中文语言进行分类语义识别,判断用户说话的语义是什么，关键词抓取，以及要做什么
- 游戏内交互策略机器人
目前市场上的AI应用的问题- 高门槛： 现在随着人工智能技术的兴起，很多场景需要开发人员添加相应的功能，但是大多是JAVA开发程序员，JAVA却在AI领域的开源比较匮乏。 现在比较火的大模型的应用只能帮助人去提高工作效率，而不能帮助业务系统，去自定义用户自己的业务来内嵌进系统进而帮助业务系统的智能化。
- 高成本： 人工智能往往要求大算力，大训练样本，使得大多数中小企业和个人开发者自定义AI入手成本非常高昂。
AI要怎么解决- 百分之百Java代码编写，并且无任何依赖，开箱即用，对广大JAVA程序员排除掉任何环境配置依赖问题，做到最友善。
- 并不是对主流算法JAVA的无差别重新实现，而是根据应用场景对主流算法进行优化与魔改，让用户即便使用一台普通的电脑，就可开箱直接跑起来。并且保证普通服务器或个人电脑CPU下依然达到可用性能的流畅运行。 所以我的“easy”并不是只是指的简单，而是对算法进行了廉价，低成本方向的优化。如果我没有办法对某种算法做到廉价优化的算法实现。
- 只通过最简单的API调用，就可以实现部分人工智能应用，并面向覆盖面最广的JAVA程序员使用的，且能满足大部分AI业务场景实现的算法引擎。
- 部署简单： 本引擎所有底层函数及数学库都是作者JAVA手写，不依赖任何第三方库，所以开发者只需要将本包下载到本地后，打成JAR包 引入到自己的POM文件中，就可以独立使用所有功能。
- 功能还在扩展： 本项目现在的功能还在逐步扩展中
图像学习部分最简API 说明:
- ///////////////训练部分
- YoloConfig yoloConfig = new YoloConfig();//创建配置参数类
- //配置类内的配置参数，根据实际情况修改
- private int windowWidth = 90;//检测窗口宽
- private int windowHeight = 140;//检测窗口高
- private int typeNub = 10;//需要识别的种类数
- private int hiddenNerveNub = 16;//线性层隐层神经元数量
- private double lineStudy = 0.01;//线性层学习率
- private int kernelSize = 3;//卷积核尺寸
- private boolean showLog = false;//是否打印学习过程中的log
- private double convStudy = 0.01;//卷积层学习率
- private int enhance = 800;//训练样本过少时增强效果，如果有足够训练数据量，请将其设置为1
- private double iouTh = 0.05;//NMS合并框交并比阈值
- private double containIouTh = 0.15;//训练时是否包含样本判断交并比阈值
- FastYolo yolo = new FastYolo(yoloConfig); //初始化图像识别类
- List<YoloSample> data//目标标注类集合
- YoloSample data;//标注类
- //标注类属性
- private String locationURL;//标注图片的本地url
- private List<YoloBody> yoloBodies;//该图片的内部标注
- YoloBody yoloBody;//内部标注类
- //内部标注类属性
- private int x;//目标左上角x的值
- private int y;//目标左上角得y的值
- private int width;//目标的宽度
- private int height;//目标的高度
- private int typeID;//标注类别id
- //开始训练
- yolo.toStudy(data);
- //训练结束将模型写出
- YoloModel yoloModel = yolo.getModel();
- writeModel(JSON.toJSONString(yoloModel), "D:\\lesson/yoloModel.json");
- /////////////////////初始化部分（单例且只初始化一次）
- FastYolo yolo = new FastYolo(yoloConfig); //初始化图像识别类
- YoloModel yoloModel = readModelParameter();//从训练的模型中JSON反序列化读取模型
- yolo.insertModel(yoloModel);//识别类注入模型
- //////////////////////识别部分
- long eventID;//需要生成一个唯一线程id来保证并发时的线程安全问题，可直接用雪花算法id
- Picture picture = new Picture();//初始化图像解析类
- ThreeChannelMatrix th = picture.getThreeMatrix("D:\\lesson/number.png");//将图像解析为矩阵
- List<OutBox> list = yolo.look(th,eventID);//对该图像矩阵进行识别，并返回识别结果
- List<OutBox> list;//识别结果集合
- ////识别结果类
- OutBox outBox;
- private int x;//检测到物体在该图片中的横坐标
- private int y;//检测到物体在该图片中的纵坐标
- private int width;//检测到物体在该图片中的宽度
- private int height;//检测到物体在该图片中的高度
- private int typeID;//检测到物体在该图片中的类别id
[color=rgb(51, 102, 153) !important]复制代码
图像识别结果展示
通过给图片生成摘要id进行快速相似度对比
- //参数分别为：
- //第一个参数：threeChannelMatrix,图片矩阵（图片矩阵如何提取，上文有讲不在阐述）
- //第二个参数:boxSize,将一张图片横纵各分为几个区域提取特征
- 参数说明：该值越大，摘要id敏感度越高，该参数有最大值。最大值为图片：图片最小边长/5,超过会报错数组越界
- //第三个参数:regionSize,相似特征区域分区种类数量
- 参数说明：该值越大，摘要id敏感度越高
- //返回name 即为该图片摘要id，通过id逐位对比即可对比相似程度
- //什么是id敏感度：
- //id敏感度越高，对图片变化越敏感，越适合越大的检索区域匹配，即特征越细致，但缺点id长度越长。
- //id敏感度越低，对图片变化越不敏感，越适合越小的检索区域匹配,特征越粗，优点是id长度越短。
- FastPictureExcerpt fastPictureExcerpt = new FastPictureExcerpt();
- String name = fastPictureExcerpt.creatImageName(threeChannelMatrix, 5, 10);
[color=rgb(51, 102, 153) !important]复制代码
使用此引擎的示例源码：基于引擎的JAVA高性能，低成本，轻量级智能客服。可与用户自动对话，自动捕捉订单信息，分辨用户需求，自动生成订单
以下内容需要积分高于 2 才可浏览
链接：https://pan.baidu.com/s/1y7WNuzz8pwLp6Pxr8CIorA
提取码下载：
|
|
|
发表于 
扫码关注微信公众号，及时获取最新资源信息！【