提速阉割版卷积

src/main/java/org/wlld/App.java

@@ -17,9 +17,7 @@ import java.util.Map;
  */
 public class App {
     public static void main(String[] args) throws Exception {
-        //createNerveTest();
         testPic();
-        //test();
     }
 
     public static void testPic() throws Exception {
@@ -43,23 +41,21 @@ public class App {
             operation.study(right, rightTagging);
             operation.study(wrong, wrongTagging);
         }
-        Matrix right1 = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/test/a101.png");
+        //获取训练结束的模型参数，提取出来转化成JSON保存数据库，下次服务启动时不用学习
-        Matrix wrong1 = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/b/b1000.png");
+        //直接将模型参数注入
-        operation.look(right1, 3);
+        //获取模型MODLE
-        operation.look(wrong1, 4);
-        //开始处理模型参数
         ModelParameter modelParameter = templeConfig.getModel();
+        //将模型MODEL转化成JSON 字符串
         String model = JSON.toJSONString(modelParameter);
-        System.out.println("一次提取：" + model);
+        //将JSON字符串转化为模型MODEL
         ModelParameter modelParameter1 = JSONObject.parseObject(model, ModelParameter.class);
-
+        //初始化模型配置
         TempleConfig templeConfig1 = getTemple(false);
+        //注入之前学习结果的模型MODEL到配置模版里面
         templeConfig1.insertModel(modelParameter1);
-        ModelParameter modelParameter2 = templeConfig1.getModel();
+        //将配置模板配置到运算类
-        String model2 = JSON.toJSONString(modelParameter2);
-        System.out.println("二次提取:" + model2);
         Operation operation1 = new Operation(templeConfig1);
-
+        //获取本地图片字节码转化成降纬后的灰度矩阵
         Matrix right = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/test/a101.png");
         Matrix wrong = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/b/b1000.png");
         //进行图像检测

图像识别API文档.txt

@@ -1,47 +1,78 @@
-本包对图像进行训练及识别的轻量级面向小白的框架,功能在逐渐扩展中
+本包针对目的：本包对图像进行训练及识别的轻量级面向小白的框架,功能在逐渐扩展中
-我们从HELLO WORLD 开始
+本包目的是，低硬件成本，CPU可快速运行，面向jAVA开发的程序员简单API调用实现图像识别
-//初始化图像转矩阵类
+本包功能说明：
+因为图像属于超大浮点运算，亿对亿级，任何一点操作都会被扩大一千万倍以上，所以目前市面上的框架大都针对GPU运算
+深度学习GPU价格昂贵，动则几万一块，这也是图像识别的费用门槛，而JAVA的用户一般都是使用CPU运算。
+很少会使用JCUDA 包的GPU浮点操作,目前的主流算法大都使用GPU运算（速度快）。
+为了保证用户对本包的使用性能，且降低部署成本，面向JAVA开发的程序员对图像的CPU快速处理，可以在CPU部署。
+所以本包对一些算法进行了部分功能阉割，部分精度忽略来保证速度，并且做到可CPU快速运算。
+阉割的代价，在某些精度上会有所下降，所以本包建议使用方案是对图像识别的分类
+比如你要分辨当前图像 是 苹果或是香蕉或是桃子，对图像进行判断分类，精准度更高
+对图像的切割，针对占比比较大的物体切割，定位。
+好的让我们从HELLO WORLD 开始
+testPic();
+getTemple();
+这有两个方法，testPic()是我们的入口
+public static void testPic() throws Exception {
+        //初始化图像转矩阵类
         Picture picture = new Picture();
         //初始化配置模板类
-        TempleConfig templeConfig = new TempleConfig();
+        TempleConfig templeConfig = getTemple(true);
-        //创建一个回调类 详细说明 看 文档说明1
-        Ma ma = new Ma();//创建一个回调类
-        //注册输出结果回调类 必写
-        //说明，当进行图像判断的时候
-        templeConfig.setOutBack(ma);
-        //全连接层深度,默认为2 选填 详细说明看文档 说明1
-        templeConfig.setDeep(2);
-        //要学习几种分类 默认为1 选填 详细说明看文档 说明1
-        templeConfig.setClassificationNub(1);
-        //设置图像行列比例的行，默认为5 选填 详细说明看文档 说明1
-        templeConfig.setRow(5);
-        //设置图像行列比例的列，默认为3 选填
-        templeConfig.setColumn(3);
-        //对模版进行初始化 Ps:初始化一定要在所有参数设置完成后设置，否则设置无效。
-        // 使用默认值（模型参数注入除外）
-        templeConfig.initNerveManager(true);//对模板初始化
         //初始化计算类
         Operation operation = new Operation(templeConfig);
-        //标注主键为 第几种分类，值为标注 1 是TRUE 0是FALSE 详细说明看文档 说明1
+        //标注主键为 第几种分类，值为标注 1 是TRUE 0是FALSE
         Map<Integer, Double> rightTagging = new HashMap<>();//分类标注
         Map<Integer, Double> wrongTagging = new HashMap<>();//分类标注
         rightTagging.put(1, 1.0);
         wrongTagging.put(1, 0.0);
         for (int i = 1; i < 999; i++) {
             System.out.println("开始学习1==" + i);
-            //读取本地URL地址图片,并转化成矩阵 详细说明见文档1
+            //读取本地URL地址图片,并转化成矩阵
             Matrix right = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/c/c" + i + ".png");
             Matrix wrong = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/b/b" + i + ".png");
             //将图像矩阵和标注加入进行学习，
             operation.study(right, rightTagging);
             operation.study(wrong, wrongTagging);
         }
-
+        //获取训练结束的模型参数，提取出来转化成JSON保存数据库，下次服务启动时不用学习
-        Matrix right = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/c/c1000.png");
+        //直接将模型参数注入
+        //获取模型MODLE
+        ModelParameter modelParameter = templeConfig.getModel();
+        //将模型MODEL转化成JSON 字符串
+        String model = JSON.toJSONString(modelParameter);
+        //将JSON字符串转化为模型MODEL
+        ModelParameter modelParameter1 = JSONObject.parseObject(model, ModelParameter.class);
+        //初始化模型配置
+        TempleConfig templeConfig1 = getTemple(false);
+        //注入之前学习结果的模型MODEL到配置模版里面
+        templeConfig1.insertModel(modelParameter1);
+        //将配置模板配置到运算类
+        Operation operation1 = new Operation(templeConfig1);
+        //获取本地图片字节码转化成降纬后的灰度矩阵
+        Matrix right = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/test/a101.png");
         Matrix wrong = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/b/b1000.png");
-        //给输出结果加一个说明注释，就是再回调类里面注入
-        ma.setNub(1);
         //进行图像检测
-        operation.look(right, 2);
+        operation1.look(wrong, 3);
-        ma.setNub(2);
+        operation1.look(right, 2);
-        operation.look(wrong, 3);
+    }
+
+    public static TempleConfig getTemple(boolean isFirst) throws Exception {
+        TempleConfig templeConfig = new TempleConfig();
+        //创建一个回调类
+        Ma ma = new Ma();//创建一个回调类
+        //注册输出结果回调类 必写
+        templeConfig.setOutBack(ma);
+        //全连接层深度,默认为2 选填
+        templeConfig.setDeep(2);
+        //要学习几种分类 默认为1 选填
+        templeConfig.setClassificationNub(1);
+        //设置图像行列比例的行，默认为5 选填
+        templeConfig.setRow(5);
+        //设置图像行列比例的列，默认为3 选填
+        templeConfig.setColumn(3);
+        //对模版进行初始化 Ps:初始化一定要在所有参数设置完成后设置，否则设置无效。
+        // 使用默认值（模型参数注入除外）若无需注入参数 选择TRU，若注入模型参数选择FALSE
+        //相似说明见 文档1
+        templeConfig.initModelVision(isFirst);//对模板初始化 使用模板视觉
+        return templeConfig;
+    }

说明1.txt

@@ -51,6 +51,6 @@ picture.getImageMatrixByIo（inputStream）根据输入流 获取图像矩阵
 6, templeConfig.initNerveManager(true);//对模板初始化
 若第一次学习参数就是true,学习是很慢的,非常考验性能，目前该包没有引入JCUDA(java 显卡GPU运算包)
 所以目前使用的是cpu版本,对cpu来说检测单张图片的性能是可以满足的
-学习就是学的模型参数，学完了要把模型参数拿出来，下次直接注入就可，
+学习就是学的模型参数，学完了要把模型参数类拿出来，序列化成JSON字符串，保存数据库
-模型参数提取还没来得及封装，下一步封装，现在手动提取，有点麻烦
+下次服务启动，读取JSON字符串，反序列化为MODEL模型 直接注入就可，无需再次学习