AI-人工智能 easyAi开发技术

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
多物体识别效果：点击查看
中文语言分类效果：点击查看

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:

单物体图像识别部分最简API 说明：

物体图像识别服务启动初始化API 说明:

自然语言分类最简API 说明:

神经网络最简API说明

随机森林最简API说明

如何提升精准度

将模板类设置为不忽略精度

使用TempleConfig()有参构造，第一个参数目前依然固定传false(因为有功能还没完成)，第二个参数是一个布尔值是否忽略精度。
众所周知JAVA计算浮点是有精度损失的，如果选择true则使用大数计算类即无精度损失（默认为FALSE），但是这是以速度变慢十倍以上为代价的。
忽略精度和使用精度准确度上差距，平均在5-6个百分点之间，所以用户按照自己的需求来判断是否使用精度计算。

优点：准确度提升5-6个百分点，配合DNN分类器可达99%以上的准确率

缺点：运算速度变慢十倍以上，从百毫秒变为一至两秒

根据业务情景选择使用分类器

在TempleConfig类调用init()方法前选择使用的分类器setClassifier()

目前easyAi提供三种分类器,即用户选择一种参数设置进配置模板类

这三种分类器的特点

LVQ:若用户训练图片量较少，比如一个种类只有一两百张图片，则使用此分类器达到当前条件下最大识别成功率

VAvg:若用户训练图片较少，同时分类数量也很少，比如只训练两三种物体识别，则VAvg达到当前最大识别成功率

DNN:若用户训练图片较多，每种分类1500张训练图片，则使用此分类器，准确率98%+。

若不设置分类器，则框架默认使用VAvg分类器

使用DNN的话，API略有区别

大家可以看到如果使用DNN,在一阶段学习和二阶段学习之间多了一段代码即：

增加DNN神经网络深度

若不设置默认深度为2，设置的深度越深则意味着准确率也越高，但同时也意味着你需要更多的训练图片去训练
增加一层深度，训练图片的数量至少乘以3，否则准确度不仅不会增加，反而会下降

优点：更深的深度准确率可以无限接近100%，我们只要训练量足够大，我们就可以更深，越深越无敌

缺点：增加深度意味着成几何倍数提升的训练量，同时也意味着过拟合的风险

修改可调参数

什么样的图片会严重影响准确率

训练图片或者识别图片有，比较大片的遮盖，暗光，阴影，或者使图片模糊的情况，识别和训练都会有严重的干扰
训练图片要求会比较高，要求若物体无背景则扣干净，有背景的话使用统一背景不要变动，不要一个训练一个物体有很多种背景
训练物体图片若有背景最好垫张白纸，纯白和纯色的背景干扰度最小，纯白最优
识别图片的拍摄设备最好有补光灯，不要让拍摄物体有大片阴暗。除非你同时也训练阴暗图片，当然那样的话训练量太大不推荐，也没必要
若使用定位与多物体识别功能，请将训练物体的图片背景扣干净,或保证RGB纯白色号背景即0XFFFFFF
某两种物体的图片太过相似即长的几乎一模一样,区别点特别小或者微弱,识别不出来，就好比同卵双胞胎你也很难做出区分

常见抛错

error:Wrong size setting of image in templateConfig
原因是模版配置类图片宽高设置相差太大 templeConfig.init(StudyPattern.Accuracy_Pattern, true, width, height, 1);

最终说明

TempleConfig()：配置模版类，一定要静态在内存中长期持有，检测的时候不要每次都NEW，一直就使用一个配置类就可以了。
Operation():运算类，除了学习可以使用一个以外，用户每检测一次都要NEW一次。因为学习是单线程无所谓，而检测是多线程，如果使用一个运算类，可能会造成线程安全问题

精准模式和速度模式的优劣

速度模式学习很快，但是检测速度慢，双核i3检测单张图片（1200万像素）单物体检测速度约800ms. 学习1200万像素的照片物体，1000张需耗时1-2小时。
精准模式学习很慢，但是检测速度快，双核i3检测单张图片（1200万像素）单物体检测速度约100ms. 学习1200万像素的照片物体，1000张需耗时5-7个小时。

本包为性能优化而对AI算法的修改

本包的自然语言是通过内置分词器进行语句分词，然后再通过不同分词的时序进行编号成离散特征，最后进入随机森林分类
本包对图像AI算法进行了修改，为应对CPU部署。
卷积层不再使用权重做最终输出，而是将特征矩阵作出明显分层的结果。
卷积神经网络后的全连接层直接替换成了LVQ算法进行特征向量量化学习聚类，通过卷积结果与LVQ原型向量欧式距离来进行判定。
物体的边框检测通过卷积后的特征向量进行多元线性回归获得，检测边框的候选区并没有使用图像分割（cpu对图像分割算法真是超慢），而是通过Frame类让用户自定义先验图框大小和先验图框每次移动的检测步长，然后再通过多次检测的IOU来确定是否为同一物体。
所以添加定位模式，用户要确定Frame的大小和步长，来替代基于图像分割的候选区推荐算法。
速度模式是使用固定的边缘算子进行多次卷积核，然后使用BP的多层神经网络进行强行拟合给出的结果（它之所以学习快，就是因为速度模式学习的是全连接层的权重及阈值，而没有对卷积核进行学习）
本包检测使用的是灰度单通道，即对RGB进行降纬变成灰度图像来进行检测（RGB三通道都算的话，CPU有些吃不住）。
若使用本包还有疑问可自行看测试包内的HelloWorld测试案例类，提出问题

AI-人工智能 easyAi开发技术相关推荐

ai人工智能python开发_Python才是人工智能AI的首选编程语言，你值得拥有……
在所有编程语言里,Python并不算萌新,从1991年发布第一个版本,至今已经快30年了. 最近几年,随着人工智能概念的火爆,Python迅速升温,成为众多AI从业者的首选语言. 根据数据平台 Kag ...
AI 入行那些事儿（13）人工智能的三类技术岗位
2021 巨献 -- 系列文章<AI 入行那些事儿>,为您讲述: 人工智能的基础原理.发展历程.当前应用成为 AI 技术人员所需的入门技能和学习途径以及求职.面试的全过程人工智能技术 ...
AI人工智能实践技术
郁磊[副教授] :长期从事Python.Matlab机器学习及深度学习等研究工作,具备良好的数学及信号处理基础,熟悉如神经网络.支持向量机.决策树.随机森林等,以及群优化算法,如遗传算法.蚁群算法. ...
（不定期更新）《人工智能AI资讯》（Yanlz+VR云游戏+Unity+SteamVR+云技术+5G+AI+人工智能+AlphaGo+神经网络+深度学习+机器学习+自动驾驶+图像识别+立钻哥哥+==）
<人工智能AI资讯> 人工智能(Artificial Intelligence) 人工智能简称AI,是研究.开发用于模拟.延伸和扩展人的智能的理论.方法.技术及应用系统的一门新的技术科学. ...
基于“数字孪生”和YoLoV5的AI药物开发(技术理论实践部分)
阿尔茨海默病已经是威胁老年人健康最严重的疾病之一.如今我国正处在人口老龄化上升期,预防和治愈它是当下棘手问题.所以我团队基于"数字孪生"模拟大脑电场,用YoLoV5 ...
【AI 人工智能】大型语言模型的实现技术原理与应用
文章目录大型语言模型的实现技术原理与应用大模型发展历史 1.大模型的起源 2.代表性大模型 3.大模型背后的关键技术 4.大模型的影响 5.展望未来技术原理及概念一.概述二.大型预训练语言模 ...
产品读书《AI人工智能：发展简史+技术案例+商业应用》
读后总结: 作为AI产品经理入门书籍,本书算不上深入,但是的确是从多个维度为初入AI领域的小白绘制了大概的框图,揭秘人工智能的发展史.技术状况.产品案例.盈利模式.因此奥厂家.实战应用等方面,特别是人 ...
ai人工智能开发_如何以及为什么将AI整合到Web开发中
ai人工智能开发 Top tech industry giants are leveraging AI technology in multiple ways. Companies like Amaz ...
《AI人工智能的未来》（Yanlz+VR云游戏+Unity+SteamVR+云技术+5G+AI+机器学习+人机交互+计算机视觉+生物特征识别+立钻哥哥+==）
<AI人工智能的未来> <AI人工智能的未来> 版本作者参与者完成日期备注 YanlzAI_Future_V01_1.0 严立钻 2020.01.09 ##<AI ...

AI-人工智能 easyAi开发技术

详细视频教程地址：

测试素材下载

框架效果演示结果:

控制台输出演示

目前拥有的功能是

目的是

特点是

HELLO WORLD说明：

图像学习部分最简API 说明:

单物体图像识别部分最简API 说明：

物体图像识别服务启动初始化API 说明:

自然语言分类最简API 说明:

神经网络最简API说明

随机森林最简API说明

如何提升精准度

什么样的图片会严重影响准确率

常见抛错

AI-人工智能 easyAi开发技术相关推荐

最新文章

热门文章