easyAi傻瓜式Java AI框架 v1.0.zip

# 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： * 视频教程地址：https://www.bilibili.com/video/av89134035 ## 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 * 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 ## 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: ``` java //创建图片解析类 Picture picture = new Picture(); //创建一个静态单例配置模板 static TempleConfig templeConfig = new TempleConfig(); //第三个参数和第四个参数分别是训练图片的宽和高，为保证训练的稳定性请保证训练图片大小的一致性 templeConfig.init(StudyPattern.Accuracy_Pattern, true, 640, 640, 2); //将配置模板类作为构造塞入计算类 Operation operation = new Operation(templeConfig); //一阶段 循环读取不同的图片 for (int i = 1; i < 1900; i++) { //读取本地URL地址图片,并转化成矩阵 Matrix a = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/picture/a" + i + ".jpg"); Matrix c = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/picture/c" + i + ".jpg"); //矩阵塞入运算类进行学习，第一个参数是图片矩阵，第二个参数是图片分类标注ID，第三个参数是第一次学习固定false operation.learning(a, 1, false); operation.learning(c, 2, false); } for (int i = 1; i < 1900; i++) { //读取本地URL地址图片,并转化成矩阵 Matrix a = picture.getImageMatrixByLocal("D:\\share\\picture/a" + i + ".jpg"); Matrix c = picture.getImageMatrixByLocal("D:\\share\\picture/c" + i + ".jpg"); //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(a, 1, true); operation.learning(c, 2, true); } templeConfig.finishStudy();//结束学习 //获取学习结束的模型参数,并将model保存数据库 ModelParameter modelParameter = templeConfig.getModel(); String model = JSON.toJSONString(modelParameter); ``` ### 单物体图像识别部分最简API 说明： ``` java //读取一张图片，并将其转化为矩阵 Matrix a = picture.getImageMatrixByLocal(fileURL); //返回此图片的分类ID int an = operation.toSee(a); ``` ### 物体图像识别服务启动初始化API 说明: ``` java //创建一个静态单例配置模板类 static TempleConfig templeConfig = new TempleConfig(); //初始化配置模板 templeConfig.init(StudyPattern.Accuracy_Pattern, true, 640, 640, 2); //将配置模板类作为构造塞入计算类 Operation operation = new Operation(templeConfig); //从数据库中读取学习的模型结果，反序列为ModelParameter ModelParameter modelParameter = JSON.parseObject(ModelData.DATA2, ModelParameter.class); //将模型数据注入配置模板类 templeConfig.insertModel(modelParameter); ``` ### 自然语言分类最简API 说明: ``` java //创建模板读取类 TemplateReader templateReader = new TemplateReader(); //读取语言模版，第一个参数是模版地址，第二个参数是文本编码方式 //同时也是学习过程 templateReader.read("/Users/lidapeng/Desktop/myDocment/a1.txt", "UTF-8"); //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 ``` ### 神经网络最简API说明 ``` java //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�