图像超市

本包功能说明：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

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，及定位等功能

特点是

入手门槛低，简单配置，快速上手

为什么做这个包

• 因为图像属于超大浮点运算，亿对亿级，任何一点操作都会被扩大一千万倍以上，所以目前市面上的框架大都针对GPU运算。
  
• 深度学习GPU价格昂贵，动则几万一块，这也是图像识别的费用门槛，而JAVA的用户一般都是使用CPU运算。
  
• JAVA开发者很少会使用JCUDA 包的GPU浮点操作,目前的主流算法大都使用GPU运算（速度快）。
  
• 为了保证用户对本包的使用性能，且降低部署成本，面向JAVA开发的程序员对图像的CPU快速处理，可以在CPU部署。
  
• 所以本包对一些算法进行了部分功能阉割，部分精度忽略来保证速度，并且做到可CPU快速运算。
  
• 阉割的代价，在某些精度上会有所下降，所以本包建议使用方案是对图像识别的分类。
  
• 比如你要分辨当前图像 是 苹果或是香蕉或是桃子，对图像进行判断分类，精准度更高，对图像的切割，针对占比比较大的物体切割，定位。
  

好的让我们从HELLO WORLD 开始:

public static void testPic() throws Exception {
//初始化图像转矩阵类
Picture picture = new Picture();
//初始化配置模板类
TempleConfig templeConfig = getTemple(true);
//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
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);//标注为编号为1分类为正确，例如是否苹果，是
wrongTagging.put(1, 0.0);//编号为1的分类为错误，例如是否是苹果，否
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
//训练一个物体我建议是准备一万张这个物体的图片，只留物体周围要扣空，目前只支持PNG格式图片
//训练的时候光有正模板不行，你除了要告诉他true,必须还要告诉他false,正负模板数量相同
Matrix right = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/c/c" + i + ".png");
Matrix wrong = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/b/b" + i + ".png");
//将图像矩阵和正负标注加入进行学习，
operation.study(right, rightTagging);
operation.study(wrong, wrongTagging);
} //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，我们学习最终目的就是学习结束拿出这个模型参数，并序列化为json字符串准备下次启动服务时注入模型参数
ModelParameter modelParameter = templeConfig.getModel();
//将模型MODEL转化成JSON 字符串
//String model = JSON.toJSONString(modelParameter);
//将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);
//注入之前学习结果的模型MODEL到配置模版里面
templeConfig1.insertModel(modelParameter);
//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");
//进行图像检测
operation1.look(wrong, 3);
operation1.look(right, 2);
}
public static TempleConfig getTemple(boolean isFirst) throws Exception {
TempleConfig templeConfig = new TempleConfig();
//创建一个回调类
Ma ma = new Ma();//创建一个回调类
//注册输出结果回调类 必写
templeConfig.setOutBack(ma);
//全连接层深度,默认为2 选填
templeConfig.setDeep(2);
//要学习几种分类 默认为1 选填
templeConfig.setClassificationNub(1);
//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);
//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）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.initModelVision(isFirst);//对模板初始化 使用模板视觉
return templeConfig;
}
参数详情请看说明1