mirror of
https://gitee.com/dromara/easyAi.git
synced 2024-12-02 03:38:08 +08:00
17 KiB
17 KiB
easyAi
本包说明：
- 本包原名imageMarket,因为开始加入自然语言模块，所以之后更名为easyAi
- 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
- 本包对中文输入语句，对输入语句的类别进行分类，功能在逐渐扩展中
- 若有想扩充的功能请进群提意见，若是通用场景我会陆续补充，技术交流群：561433236
详细视频教程地址：
测试素材下载
链接:https://pan.baidu.com/s/1Vzwn3iMPBI-FAXBDrCSglg
密码:7juj
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
控制台输出演示
目前拥有的功能是
- 对单张图片单物体进行识别
- 对单张图片多物体进行识别与定位
- 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，要做什么
- 若有想扩充的功能请进群提意见，若是通用场景我会陆续补充，技术交流群：561433236
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，定位及中文语言分类等功能
- 努力为中小企业提供AI场景解决技术方案
- 技术交流群：561433236
特点是
入手门槛低，简单配置，快速上手
为什么做这个包
- 低门槛化： 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，但是在二三线城市算法人才匮乏。 并且大多是JAVA开发程序员，业务做的更多，因为作者本人就是三线城市程序员，所以深知这一点。 所以我本人认为需要一款部署简单，不需要学习任何算法知识， 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业务场景实现的技术包。
- 面向用户：广大没接触过算法知识，人才相对匮乏的二三线JAVA业务开发程序员，实现人工智能应用
- 部署简单： 本包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： 本包现在的功能还在逐步扩展中
- 抛错捕获暂时还没有做全，若有抛错请进群交流：561433236，我来做一下错误定位
- 若您有相对复杂的人工智能业务（开源功能无法满足的，包括但不限于图像识别，自然语言）请联系作者 vx:thenk008 进行基于easyAi定制化业务情景开发（即java人工智能开发）
HELLO WORLD说明：
- 以下为最简API文档，所有非必设参数都使用本引擎默认值
- 要注意的是使用最简API，及参数默认值准确度远不能达到最佳状态
图像学习部分最简API 说明:
训练过程
Picture picture = new Picture();//图片解析类
Config config = new Config();//配置文件
config.setTypeNub(2);//设置训练种类数
config.setBoxSize(125);//设置物体大致大小 单位像素 即 125*125 的矩形
config.setPictureNumber(5);//设置每个种类训练图片数量 某个类别有几张照片，注意所有种类照片数量要保持一致
config.setPth(0.7);//设置可信概率，只有超过可信概率阈值，得出的结果才是可信的 数值为0-1之间
config.setShowLog(true);//输出学习时打印数据
Distinguish distinguish = new Distinguish(config);//创建识别类
distinguish.setBackGround(picture.getThreeMatrix("E:\\ls\\fp15\\back.jpg"));//设置识别的背景图片(该api为固定背景)
List<FoodPicture> foodPictures = new ArrayList<>();//创建训练模板集合
for (int i = 1; i < 3; i++) {
FoodPicture foodPicture = new FoodPicture();//创建每一类图片的训练模板类
foodPictures.add(foodPicture);//将该类模板加入集合
List<PicturePosition> picturePositionList = new ArrayList<>();//创建该类模板的训练集合类
foodPicture.setId(i + 1);//设置该图片类别id
foodPicture.setPicturePositionList(picturePositionList);
for (int j = 1; j < 6; j++) {//训练图片数量为 每种五张 注意跟config 中的 pictureNumber 要一致
String name;
if (i == 1) {//加载图片url地址名称
name = "a";
} else {
name = "b";
}
PicturePosition picturePosition = new PicturePosition();
picturePosition.setUrl("E:\\ls\\fp15\\" + name + i + ".jpg");//加载该类别图片地址
picturePosition.setNeedCut(false);//是否需要剪切，若训练素材为充满全图图片，则充满全图不需要剪切 写false
picturePositionList.add(picturePosition);//加载
}
}
distinguish.studyImage(foodPictures);//进行学习
System.out.println(JSON.toJSONString(distinguish.getModel()));//输出模型保存,将模型实体类序列化为json保存
///////////////////////////////////////////////////////////////////////
初始化过程
Picture picture = new Picture();//图片解析类
Config config = new Config();//配置文件
config.setTypeNub(2);//设置类别数量
config.setBoxSize(125);//设置物体大小 单位像素
config.setPictureNumber(5);//设置每个种类训练图片数量
config.setPth(0.7);//设置可信概率，只有超过可信概率阈值，得出的结果才是可信的
config.setShowLog(true);//输出学习时打印数据
Distinguish distinguish = new Distinguish(config);//识别类
distinguish.insertModel(JSONObject.parseObject(ModelData.DATA, Model.class));//将之前训练时保存的训练模型反序列化为实体类后，注入模型
完成后请单例Distinguish类，即完成系统启动时初始化过程
///////////////////////////////////////////////////////////////////////
识别过程
Distinguish distinguish; 此识别类为系统启动时已经初始化的 单例distinguish，识别过程请不要 "new" 这个类
for (int i = 1; i < 8; i++) {
System.out.println("i====" + i);
ThreeChannelMatrix t = picture.getThreeMatrix("E:\\ls\\fp15\\t" + i + ".jpg");//将识别图片转化为矩阵
Map<Integer, Double> map = distinguish.distinguish(t);//识别结果
for (Map.Entry<Integer, Double> entry : map.entrySet()) {
System.out.println(entry.getKey() + ":" + entry.getValue());//识别结果打印
}
}
////////////////////////////////////////////////////////////////////////////////////
识别结果打印说明(此为本包提供的测试图片样本的 输出结果说明，在之前的训练中橘子设置的id为2，苹果为3)
i====1//第一张图 结果为 橘子，出现2：代表类别。:0.8874306751020916，带表该类别权重，权重越高说明该类别的物品在当前 图片中数量越多或者面积越大。
2:0.8874306751020916 说明（图1有橘子，权重为：0.8874306751020916）
i====2
2:0.8878192183606407
i====3
3:0.7233916245920673说明（图3有苹果，权重为：0.7233916245920673）
i====4
2:0.9335699571468958说明（图4有橘子，权重为：0.9335699571468958）
3:0.7750825597199661说明（图4有苹果，权重为：0.7750825597199661）
i====5
3:0.8481590575557582
i====6
2:0.7971025523095067
i====7
2:1.5584968376080388（图7有橘子，权重为：1.5584968376080388）
3:0.8754957897385587（图7有苹果，权重为：0.8754957897385587）
本演示样例代码位置在： src/test/java/org/wlld/ImageTest.java
本演示训练素材位置在： src/test/image
注意：以上图片识别代码样例为训练素材为物品全图充满图片(自己看能看到橘子训练图片为全图充满，苹果也是).自行开发时用以上代码样例时，请也使用全图充满训练物品的图片来做训练，非全图充满训练素材图训练api有变化！
自然语言分类最简API 说明:
//通过txt默认格式进行读取
TemplateReader templateReader = new TemplateReader();
WordTemple wordTemple = new WordTemple();//初始化语言模版，该语言模板训练结束后一定要static出来,在内存中长期持有，Talk识别构造参数进行复用
//wordTemple.setTreeNub(9);
//wordTemple.setTrustPunishment(0.5);
//读取语言模版，第一个参数是模版地址，第二个参数是编码方式 (教程里的第三个参数已经省略)
//同时也是学习过程
templateReader.read("/Users/lidapeng/Desktop/myDocument/model.txt", "UTF-8", wordTemple);
Talk talk = new Talk(wordTemple);
//输入语句进行识别，若有标点符号会形成LIST中的每个元素
//返回的集合中每个值代表了输入语句，每个标点符号前语句的分类
List<Integer> list = talk.talk("空调坏了，帮我修一修");
System.out.println(list);
/////////////////////////////////自定义输入训练语句
WordTemple wordTemple = new WordTemple();//初始化语言模版，该语言模板训练结束后一定要static出来,在内存中长期持有，Talk识别构造参数进行复用
Tokenizer tokenizer = new Tokenizer(wordTemple);//学习类
//训练模板 主键为类别id,值为该类别id的语句集合
//注意
//1，若训练量不足，建议训练语句通过标点符号拆分为若干句，且不要将标点符号带入训练语句
//2，包含数字的语句用统一的占位符代替 例如 35,3,36% 变为 #,#,#%
Map<Integer, List<String>> model = new HashMap<>();
//开始训练
tokenizer.start(model);
///////////////////////////////////单纯对输入语句进行切词结果返回，不进行识别
wordTemple.setSplitWord(true);//将模板设置成纯切词模式
List<List<String>> lists = talk.getSplitWord("空调坏了，帮我修一修");
for (List<String> list : lists) {
System.out.println(list);
}
神经网络最简API说明
//创建一个DNN神经网络管理器
NerveManager nerveManager = new NerveManager(...);
//构造参数
//sensoryNerveNub 感知神经元数量 即输入特征数量
//hiddenNerverNub 每一层隐层神经元的数量
//outNerveNub 输出神经元数量 即分类的类别
//hiddenDepth 隐层神经元深度，即学习深度
//activeFunction 激活函数
//isDynamic 是否启用动态神经元数量(没有特殊需求建议为静态，动态需要专业知识)
public NerveManager(int sensoryNerveNub, int hiddenNerverNub, int outNerveNub, int hiddenDepth, ActiveFunction activeFunction, boolean isDynamic)
nerveManager.getSensoryNerves()获取感知神经元集合
//eventId:事件ID
//parameter:输入特征值
//isStudy:是否是学习
//E:特征标注
//OutBack 回调类
SensoryNerv.postMessage(long eventId, double parameter, boolean isStudy, Map<Integer, Double> E, OutBack outBack)
//每一次输出结果都会返回给回调类，通过回调类拿取输出结果，并通过eventId来对应事件
随机森林最简API说明
//创建一个内存中的数据表
DataTable dataTable = new DataTable(column);
//构造参数是列名集合
public DataTable(Set<String> key)
//指定主列名集合中该表的主键
dataTable.setKey("point");
//创建一片随机森林
RandomForest randomForest = new RandomForest(7);
//构造参数为森林里的树木数量
public RandomForest(int treeNub)
//唤醒随机森林里的树木
randomForest.init(dataTable);
//将加入数据的实体类一条条插入森林中
randomForest.insert(Object object);
//森林进行学习
randomForest.study();
//插入特征数据，森林对该数据的最终分类结果进行判断
randomForest.forest(Object objcet);
- 增加DNN神经网络深度
templeConfig.setDeep(int deep);
若不设置默认深度为2，设置的深度越深则意味着准确率也越高，但同时也意味着你需要更多的训练图片去训练
增加一层深度，训练图片的数量至少乘以3，否则准确度不仅不会增加，反而会下降优点：更深的深度准确率可以无限接近100%，我们只要训练量足够大，我们就可以更深，越深越无敌
缺点：增加深度意味着成几何倍数提升的训练量，同时也意味着过拟合的风险
什么样的图片会严重影响准确率
- 训练图片或者识别图片有，比较大片的遮盖，暗光，阴影，或者使图片模糊的情况，识别和训练都会有严重的干扰
- 训练图片要求会比较高，要求若物体无背景则扣干净，有背景的话使用统一背景不要变动，不要一个训练一个物体有很多种背景
- 训练物体图片若有背景最好垫张白纸，纯白和纯色的背景干扰度最小，纯白最优
- 识别图片的拍摄设备最好有补光灯，不要让拍摄物体有大片阴暗。除非你同时也训练阴暗图片，当然那样的话训练量太大不推荐，也没必要
- 若使用定位与多物体识别功能，请将训练物体的图片背景扣干净,或保证RGB纯白色号背景即0XFFFFFF
- 某两种物体的图片太过相似即长的几乎一模一样,区别点特别小或者微弱,识别不出来，就好比同卵双胞胎你也很难做出区分
常见抛错
- error:Wrong size setting of image in templateConfig
- 原因是模版配置类图片宽高设置相差太大
templeConfig.init(StudyPattern.Accuracy_Pattern, true, width, height, 1);
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
- 本包的自然语言是通过内置分词器进行语句分词，然后再通过不同分词的时序进行编号成离散特征，最后进入随机森林分类
- 本包对图像AI算法进行了修改，为应对CPU部署。
- 卷积层不再使用权重做最终输出，而是将特征矩阵作出明显分层的结果。
- 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，或者进群交流：561433236,提出问题