java 内核矩阵修改图片_java傻瓜ai框架

java傻瓜ai框架，无需任何算法知识，通过简单的api调用就可以实现 常用的图像内物体的识别，定位等图像ai服务，及自然语言分类处理服务。面向java开发程序员，不依赖任何第三方库，第三方接口，独立包。

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

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：

• 多物体识别效果：

• 中文语言分类效果：

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)。

项目地址：https://gitee.com/ldp_dpsmax/easyAi