mirror of
https://gitee.com/dromara/easyAi.git
synced 2024-11-30 02:37:42 +08:00
241 lines
19 KiB
Markdown
241 lines
19 KiB
Markdown
# 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
|
||
## 详细视频教程地址：
|
||
* 视频教程地址：https://www.bilibili.com/video/av89134035
|
||
## 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
|
||
* 演示都是输出结果，详情请看具体视频教程，上有链接，这里就是展示一下控制台输出截图。
|
||
* 单物体识别效果：[点击查看](./src/test/image/end1.png)
|
||
* 多物体识别效果：[点击查看](./src/test/image/end2.png)
|
||
* 中文语言分类效果：[点击查看](./src/test/image/end3.png)
|
||
### 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
|
||
* 说明文档有不清楚的地方可联系作者询问，QQ：794757862,或者查看视频教程，上有链接
|
||
## 图像部分API 说明:
|
||
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<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);
|
||
// 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<Integer, List<FrameBody>> 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 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);
|
||
}
|
||
//精准模式全部学习结束一定要调用此方法，不调用识别会报错
|
||
//templeConfig.startLvq();//原型向量量化
|
||
//如果使用物体在图片中的定位功能，全部学习结束一定要调用此方法，不调用识别会报错
|
||
//templeConfig.boxStudy();//边框回归
|
||
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
|
||
## 自然语言分类API 说明:
|
||
public static void test() throws Exception { //自然语言分类说明
|
||
//创建模板读取累
|
||
TemplateReader templateReader = new TemplateReader();
|
||
//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，第三个参数是是否是WIN系统
|
||
//同时也是学习过程
|
||
templateReader.read("/Users/lidapeng/Desktop/myDocment/a1.txt", "UTF-8", IOConst.NOT_WIN);
|
||
//学习结束获取模型参数
|
||
//WordModel wordModel = WordTemple.get().getModel();
|
||
//不用学习注入模型参数
|
||
//WordTemple.get().insertModel(wordModel);
|
||
Talk talk = new Talk();
|
||
//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("帮我配把锁");
|
||
System.out.println(list);
|
||
//这里做一个特别说明，语义分类的分类id不要使用"0",本框架约定如果类别返回数字0，则意味不能理解该语义，即分类失败
|
||
//通常原因是模板量不足，或者用户说的话的语义，不在你的语义分类训练范围内
|
||
}
|
||
#### 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，或者联系作者Q：794757862
|