easyAi傻瓜式Java AI框架 v1.1.7.zip

# easyAi 软件说明： * 本软件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。 * 本软件对中文输入语句，对输入语句的类别进行分类，关键词抓取，词延伸，以及集成智能客服功能在逐渐扩展中 * 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：222475213 * 本软件永久免费商业使用，但作者已拥有本软件相关的知识产权，任何个人与集体不可擅自申请本软件内的技术与代码的知识产权。 ## 详细视频教程地址： * 视频教程地址：https://www.bilibili.com/video/BV1W7411J7zr/?vd_source=20cf39c973b43e60c3bdbe8d47dc9e71 ## 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 * 详细api文档见项目html文档:https://wlhlwl.com/gw/easyAi.html ### 强大的自主智能客服工具，支持自动与用户对话，并捕捉用户对话中的需求后自动生成订单！基于easyAi算法引擎构建智脑——myJecs 链接:https://gitee.com/ldp_dpsmax/my-jecs ### 目前拥有的核心功能（若对您的学习或生产有帮助，请留下您的STAR） * 对图片中得物体进行识别。 * 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，关键词抓取，以及要做什么 * 游戏内交互策略机器人 * 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：222475213，561433236（满） #### 目前市场上的AI应用的问题 * 高门槛： 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，但是大多是JAVA开发程序员，JAVA却在AI领域的开源比较匮乏。 现在比较火的大模型的应用只能帮助人去提高工作效率，而不能帮助业务系统，去自定义用户自己的业务来内嵌进系统进而帮助业务系统的智能化。 * 高成本： 人工智能往往要求大算力，大训练样本，使得大多数中小企业和个人开发者自定义AI入手成本非常高昂。 #### easyAI要怎么解决 * easyAI是百分之百Java代码编写，并且无任何依赖，开箱即用，对广大JAVA程序员排除掉任何环境配置依赖问题，做到最友善。 * easyAI并不是对主流算法JAVA的无差别重新实现，而是根据应用场景对主流算法进行优化与魔改，让用户即便使用一台普通的电脑，就可开箱直接跑起来。并且保证普通服务器或个人电脑CPU下依然达到可用性能的流畅运行。 所以我的“easy”并不是只是指的简单，而是对算法进行了廉价，低成本方向的优化。如果我没有办法对某种算法做到廉价优化的算法实现，我也不会放入easyAI里面。 * 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业务场景实现的算法引擎。 * 部署简单： 本引擎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： 本项目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：222475213，561433236（满），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） ### 微信交流群 * 加wx技术交流群 *  ## 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 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 } }