# 图像超市 本包功能说明：本包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,功能在逐渐扩展中 ### 目的是 低硬件成本，CPU可快速学习运行，面向jAVA开发的程序员，经过简单API调用就可实现物体在图像中的识别，及定位等功能 ### 特点是 入手门槛低，简单配置，快速上手 #### 为什么做这个包 * 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。 * JAVA开发者很少会使用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。 * 下面API文档有不清楚的地方可联系作者询问，QQ：794757862 ## 好的让我们从HELLO WORLD 开始: public static void testPic() throws Exception { //测试SPEED模式学习过程 //初始化图像转矩阵类:作用就是说将一个图片文件转化为矩阵类 Picture picture = new Picture(); //初始化配置模板类,设置模式为SPEED_PATTERN模式 即速度模式 TempleConfig templeConfig = getTemple(true, StudyPattern.Speed_Pattern); //初始化计算类，并将配置模版和输出回调类载入计算类 //运算类有两个构造一个是配置回调类，一个是不配置回调类 //若使用定位功能，则无需配置回调类，若不启用，则要配置回调类 //回调类要实现OutBack接口中的方法 Ma ma = new Ma(); Operation operation = new Operation(templeConfig, ma); //标注主键为 第几种分类，值为标注 1 是TRUE 0是FALSE //给训练图像进行标注，健是分类的ID,对应的就是输出结果的ID值，值要么写0要么写1 // 1就是 是这种分类，0就是不是这种分类 Map rightTagging = new HashMap<>();//分类标注 Map wrongTagging = new HashMap<>();//分类标注 rightTagging.put(1, 1.0); wrongTagging.put(1, 0.0); // 例如上面的标注了 只有一种分类，第一个MAP是true标注，第二个map是false标注 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(适用于电脑本地图片),并转化成矩阵 //注意学习图片至少要一千张+同物体的不同图片，学习的越多就越准，拿同样的图片反复循环学习是没用的 //picture.getImageMatrixByIo(InputStream) 另外一个api,是通过字节流读取图片矩阵,适用于网络传输的图片 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，正确的图片配置正确的标注true，错误的图片配置错误的标注false //right这个矩阵是 正确的图片 所以要配置上面正确的标注1.0 学习告诉计算机这个图片是正确的 operation.study(right, rightTagging); //wrong这个矩阵是错误的图片，所以要配置上面错误的标注0.0 学习 告诉计算机这个图片是错误的 operation.study(wrong, wrongTagging); } //如果启用物体坐标定位，则在学习结束的时候，一定要执行boxStudy方法 //若不启用，则请不要使用，否则会报错 //templeConfig.boxStudy(); //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 //直接将模型参数注入 //获取模型MODLE 这个模型就是我们程序学习的目的，学习结束后我们要拿到这个模型 ModelParameter modelParameter = templeConfig.getModel(); //将模型MODEL转化成JSON 字符串 保存到数据库 留待下次服务启动的时候，识别提取用 String model = JSON.toJSONString(modelParameter); //以上就是SPEED模式下的学习全过程，识别的过程就是再次初始化，将学习结果注入之后使用 //识别过程 //将从数据库取出的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, StudyPattern.Speed_Pattern); //注入之前学习结果的模型MODEL到配置模版里面，将学习结果注入就可以使用识别了 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"); //进行图像识别 参数说明 eventId,事件id,因为输出结果是在回调类回调的，所以必须有个主键去判断事件 //说明你回调是响应的哪一次调用的ID,所以每一次识别调用，请用不同的id operation1.look(wrong, 3); operation1.look(right, 2); //若启用定位功能检测请使用lookWithPosition,若没有启用，使用检测会报错 //返回map,主键是分类id,值是该图片中此分类有多少个物体，每个物体的具体位置坐标的大小 //Map> map = operation1.lookWithPosition(right, 4); } public static TempleConfig getTemple(boolean isFirst, int pattern) throws Exception { //创建一个配置模板类，作用：主要是保存及载入一些配置参数用 TempleConfig templeConfig = new TempleConfig(); //全连接层深度,选填可不填 不填默认值为2 //这就像人类大脑的意识深度原理一样，深度学习越深，训练结果越准，但是训练量成几何倍数增加 //比如默认深度是2 需要 正负模板各一千+张照片进行训练。识别率70%（数值只是举个例子，不是具体数值） //当深度改成3，则需要正负模板各三千+张照片进行训练,识别率 80%，深度4，八千+90% //以此类推，，内存允许的情况下，深度无限 识别率无限接近与百分之百 //但是有极限，即超过某个深度，即使再增加深度，识别率反而会下降。需要具体不断尝试找到 合适的深度 //注意：若深度提升，训练量没有成倍增长，则准确度反而更低！ templeConfig.setDeep(2); //启用定位学习 注意启用在图片中对某个物体进行定位，要注意 //学习的图片必须除了学习的物体以外，其他位置都是白色或者空白(即用PS扣空)。 //即该图片除了这个物体，没有其他任何干扰杂色（一个像素的杂色都不可以有） //templeConfig.setHavePosition(true); //窗口类，就是用来扫描图片的窗口大小和移动距离的设定 //Frame frame = new Frame(); //初始化配置模版，参数说明(int studyPattern, boolean initPower, int width, int height //, int classificationNub) //studyPattern 学习模式：常量值 StudyPattern.Accuracy_Pattern;StudyPattern.Speed_Pattern //第一种模式精准模式，第二种模式是速度模式 //精准模式顾名思义，准确相对高很多，但是缺点也很明显学习速度慢，不是一般的慢，CPU学习1000张图片 //24小时都不够用！它学习速度比速度模式学习速度慢十倍都不止！但是执行识别速度上，却比速度模式还要快一点！ //第二种速度模式，学习速度明显很快，一千张图片的学习大概一个半小时左右，但是精准度上差了一些 //但是依然还是比较精准的，尤其做分类判断的时候，问题不大。 //如何选择模式：在大部分情况下速度模式就够用了，在分类一张图片，比如这张图片有苹果的概率是多少 //有橘子的概率是多少，精准度已经足够，它不是不精准，只是相对于精准模式要差一些 //所以在大部分情况下，还是建议用速度模式，满足很多识别分类需求 //initPower,是否是第一次初始化 //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 //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 //如果说你是要学习就写true,如果已经有学习结果了，你要注入之前的学习结果就是false //如果你选了false还没有进行注入的话，你取模型参数你可以看到所有参数都是0 //width heigth ,要学习的图片宽高，注意：这个宽高不是严格图片尺寸，而是一个大致尺寸 //要识别和学习的图片尺寸与这个宽高比 必要相差太大就好，而且宁长勿短 //classificationNub 要识别的有几个分类，比如我就识别苹果，就是1 有两种苹果橘子就是 2 templeConfig.init(pattern, isFirst, 3204, 4032, 1); return templeConfig; } public static void testModel() throws Exception { // 模型参数获取及注入 实例 TempleConfig templeConfig = getTemple(true, StudyPattern.Accuracy_Pattern); ModelParameter modelParameter1 = templeConfig.getModel(); String model = JSON.toJSONString(modelParameter1); System.out.println(model); TempleConfig templeConfig2 = getTemple(false, StudyPattern.Accuracy_Pattern); ModelParameter modelParameter3 = JSONObject.parseObject(model, ModelParameter.class); templeConfig2.insertModel(modelParameter3); ModelParameter modelParameter2 = templeConfig2.getModel(); String model2 = JSON.toJSONString(modelParameter2); System.out.println(model2); } public static void testPic2() throws Exception { //测试Accuracy_Pattern 模式学习过程，跟SPEED模式相同的部分就不再说明了 Picture picture = new Picture(); TempleConfig templeConfig = getTemple(true, StudyPattern.Accuracy_Pattern); Operation operation = new Operation(templeConfig); for (int i = 1; i < 2; 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 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 注意的是 Accuracy_Pattern 模式 要学习两次 //这里使用learning方法，第一个参数没变，第二个参数是标注参数，learning的标注 //不再使用MAP而是直接给一个整型的数字，0，1,2,3...作为它的分类id，注意我们约定 //id 为0的分类为全FALSE分类，即背景 //第三个参数，第一次学习的时候 这个参数必须是 false operation.learning(right, 1, false); operation.learning(wrong, 0, false); } for (int i = 1; i < 2; i++) {//神经网络学习 System.out.println("开始学习2==" + i); //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，Accuracy_Pattern 模式 进行第二次学习 //第二次学习的时候，第三个参数必须是 true operation.learning(right, rightTagging, true); operation.learning(wrong, wrongTagging, true); } Matrix right = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/test/a101.png"); Matrix wrong = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/b/b1000.png"); //精准模式检测单张图片将直接返回分类id,而不是通过回调来获取分类概率 //不是使用look,而是使用toSee int rightId = operation.toSee(right); int wrongId = operation.toSee(wrong); System.out.println("该图是菜单：" + rightId); System.out.println("该图是桌子:" + wrongId); } 回调输出类： public class Ma implements OutBack { private int nub; public void setNub(int nub) { this.nub = nub; } @Override public void getBack(double out, int id, long eventId) { System.out.println("id==" + id + ",out==" + out + ",nub==" + nub); } } 回调类实现OUTBACK 接口 当检测结果输出的时候 会回调getBack方法 回调第一个参数是输出值 指的是 这个分类的概率 该数值是0-1之间的浮点 第二个参数是 分类的id 判断是训练的哪个分类的ID， 第三个参数是 事件ID,一次判断事件 使用一个ID,让开发者知道是哪次事件的回调判断 #### 最终说明 * TempleConfig()：配置模版类，一定要静态在内存中长期持有，检测的时候不要每次都NEW， 一直就使用一个配置类就可以了。 * Operation():运算类，除了学习可以使用一个以外，用户每检测一次都要NEW一次。 因为学习是单线程无所谓，而检测是多线程，如果使用一个运算类，可能会造成线程安全问题 #### 精准模式和速度模式的优劣 * 速度模式学习很快，但是检测速度慢，双核i3检测单张图片（1200万像素）单物体检测速度约800ms. 学习1200万像素的照片物体，1000张需耗时1-2小时。 * 精准模式学习很慢，但是检测速度快，双核i3检测单张图片（1200万像素）单物体检测速度约100ms. 学习1200万像素的照片物体，1000张需耗时5-7个小时。 #### 本包为性能优化而对AI算法的修改 * 本包对图像AI算法进行了修改，为应对CPU部署。 * 卷积神经网络后的全连接层直接替换成了LVQ算法进行特征向量量化学习聚类，通过卷积结果与LVQ原型向量欧式距离来进行判定。 * 物体的边框检测通过卷积后的特征向量进行多元线性回归获得，检测边框的候选区并没有使用图像分割（cpu对图像分割算法真是超慢）， 而是通过Frame类让用户自定义先验图框大小和先验图框每次移动的检测步长，然后再通过多次检测的IOU来确定是否为同一物体。 * 所以添加定位模式，用户要确定Frame的大小和步长，来替代基于图像分割的候选区推荐算法。 * 速度模式是使用固定的边缘算子进行多次卷积核，然后使用BP的多层神经网络进行强行拟合给出的结果（它之所以学习快，就是因为速度模式学习的是 全连接层的权重及阈值，而没有对卷积核进行学习） * 本包检测使用的是灰度单通道，即对RGB进行降纬变成灰度图像来进行检测（RGB三通道都算的话，CPU有些吃不住）。 * 若使用本包还有疑问可自行看测试包内的HelloWorld测试案例类，或者联系作者Q：794757862