|
|
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);
|
