创建图像识别超市 增加API 说明文档

src/main/java/org/wlld/App.java

@@ -36,25 +36,30 @@ public class App {
         //设置图像行列比例的列，默认为3 选填
         templeConfig.setColumn(3);
         //对模版进行初始化 Ps:初始化一定要在所有参数设置完成后设置，否则设置无效。
-        // 使用默认值（模型参数注入除外）
+        // 使用默认值（模型参数注入除外）若无需注入参数 选择TRU，若注入模型参数选择FALSE
+        //相似说明见 文档1
         templeConfig.initNerveManager(true);//对模板初始化
         //初始化计算类
         Operation operation = new Operation(templeConfig);
-        //初始化模板标注
+        //标注主键为 第几种分类，值为标注 1 是TRUE 0是FALSE
         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);
         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,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，
             operation.study(right, rightTagging);
             operation.study(wrong, wrongTagging);
         }
+
         Matrix right = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/c/c1000.png");
         Matrix wrong = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/b/b1000.png");
         ma.setNub(1);
+        //进行图像检测
         operation.look(right, 2);
         ma.setNub(2);
         operation.look(wrong, 3);

图像识别API文档.txt

@@ -0,0 +1,47 @@
+本包对图像进行训练及识别的轻量级面向小白的框架,功能在逐渐扩展中
+我们从HELLO WORLD 开始
+//初始化图像转矩阵类
+        Picture picture = new Picture();
+        //初始化配置模板类
+        TempleConfig templeConfig = new TempleConfig();
+        //创建一个回调类 详细说明 看 文档说明1
+        Ma ma = new Ma();//创建一个回调类
+        //注册输出结果回调类 必写
+        //说明，当进行图像判断的时候
+        templeConfig.setOutBack(ma);
+        //全连接层深度,默认为2 选填 详细说明看文档 说明1
+        templeConfig.setDeep(2);
+        //要学习几种分类 默认为1 选填 详细说明看文档 说明1
+        templeConfig.setClassificationNub(1);
+        //设置图像行列比例的行，默认为5 选填 详细说明看文档 说明1
+        templeConfig.setRow(5);
+        //设置图像行列比例的列，默认为3 选填
+        templeConfig.setColumn(3);
+        //对模版进行初始化 Ps:初始化一定要在所有参数设置完成后设置，否则设置无效。
+        // 使用默认值（模型参数注入除外）
+        templeConfig.initNerveManager(true);//对模板初始化
+        //初始化计算类
+        Operation operation = new Operation(templeConfig);
+        //标注主键为 第几种分类，值为标注 1 是TRUE 0是FALSE 详细说明看文档 说明1
+        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);
+        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,并转化成矩阵 详细说明见文档1
+            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，
+            operation.study(right, rightTagging);
+            operation.study(wrong, wrongTagging);
+        }
+
+        Matrix right = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/c/c1000.png");
+        Matrix wrong = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/b/b1000.png");
+        //给输出结果加一个说明注释，就是再回调类里面注入
+        ma.setNub(1);
+        //进行图像检测
+        operation.look(right, 2);
+        ma.setNub(2);
+        operation.look(wrong, 3);

说明1.txt

@@ -0,0 +1,54 @@
+1，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
+2，templeConfig.setDeep(2); 全连接层深度说明
+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%（只是举个例子，不是真实识别率）
+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！
+3,  templeConfig.setClassificationNub(1);设置有几种分类
+如果你只要识别一种分类 例如 一个苹果，那么就写1
+如果是 一个苹果 还有香蕉，两种分类 就写2
+4,
+//设置图像行列比例的行，默认为5 选填
+ templeConfig.setRow(5);
+//设置图像行列比例的列，默认为3 选填
+ templeConfig.setColumn(3);
+ 图片长宽比，不写默认是row 5, column 3
+ 这个默认值是按照现在手机竖直的图片的长宽比，目前都是这个数值，横过来的话就是 3：5
+ 如果不是手机竖直尺寸的图像，且并不确定比例，建议写5：5
+ 因为算法会对进行图像进行压缩后，进入矩阵，压缩有会有一个默认的矩阵大小，最小压缩到5像素
+ 所以设置这个，最好要有一个值写5，另外一个自定义，如果不知道就写 5：5
+5, Map<Integer, Double> rightTagging = new HashMap<>();//分类标注
+        rightTagging.put(1, 1.0);
+        rightTagging.put(2, 0.0);
+ 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
+ 例如上面的标注了 该标注是 第一种分类 true,第二种分类FALSE
+ 将图像转化成矩阵
+ 注意：目前版本该框架，只识别当前图像的灰度图像，对RGB图像进行了降维
+ 对颜色失去一定的敏感度，所以主要针对物体形状，边缘，若对颜色敏感，请等待后续版本
+  Matrix right = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/c/c" + i + ".png");
+拿到这个矩阵之后，进行下一步计算
+6, templeConfig.initNerveManager(true);//对模板初始化
+若第一次学习参数就是true,学习是很慢的,非常考验性能，目前该包没有引入JCUDA(java 显卡GPU运算包)
+所以目前使用的是cpu版本,对cpu来说检测单张图片的性能是可以满足的
+学习就是学的模型参数，学完了要把模型参数拿出来，下次直接注入就可，
+模型参数提取还没来得及封装，下一步封装，现在手动提取，有点麻烦
+