《GitHub精选》是我们分享Github中优质项目的栏目，包括技术、学习、实用与各种有趣的内容。本期推荐的是一个基于Java开发的AI识别框架——easyAi。
easyAi是一个面向JAVA程序员使用的AI识别框架，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，不依赖任何第三方库。
easyAi目前具有三个功能：
- 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
部分API说明：
- 图像学习
//创建图片解析类
Picture picture = new Picture();
//创建一个静态单例配置模板
static TempleConfig templeConfig = new TempleConfig();
//第三个参数和第四个参数分别是训练图片的宽和高，为保证训练的稳定性请保证训练图片大小的一致性
templeConfig.init(StudyPattern.Accuracy_Pattern, true, 640, 640, 2);
//将配置模板类作为构造塞入计算类
Operation operation = new Operation(templeConfig);
//一阶段 循环读取不同的图片
for (int i = 1; i < 1900; i++) {
//读取本地URL地址图片,并转化成矩阵
Matrix a = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/picture/a" + i + ".jpg");
Matrix c = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/picture/c" + i + ".jpg");
//矩阵塞入运算类进行学习，第一个参数是图片矩阵，第二个参数是图片分类标注ID，第三个参数是第一次学习固定false
operation.learning(a, 1, false);
operation.learning(c, 2, false);
}
for (int i = 1; i < 1900; i++) {
//读取本地URL地址图片,并转化成矩阵
Matrix a = picture.getImageMatrixByLocal("D:\\share\\picture/a" + i + ".jpg");
Matrix c = picture.getImageMatrixByLocal("D:\\share\\picture/c" + i + ".jpg");
//将图像矩阵和标注加入进行学习，Accuracy_Pattern 模式 进行第二次学习
//第二次学习的时候，第三个参数必须是 true
operation.learning(a, 1, true);
operation.learning(c, 2, true);
}
templeConfig.finishStudy();//结束学习
//获取学习结束的模型参数,并将model保存数据库
ModelParameter modelParameter = templeConfig.getModel();
String model = JSON.toJSONString(modelParameter);
- 自然语言分类
//创建模板读取类
TemplateReader templateReader = new TemplateReader();
//读取语言模板，第一个参数是模版地址，第二个参数是文本编码方式
//同时也是学习过程
templateReader.read("/Users/lidapeng/Desktop/myDocment/a1.txt", "UTF-8");
//学习结束获取模型参数
//WordModel wordModel = WordTemple.get().getModel();
//不用学习注入模型参数
//WordTemple.get().insertModel(wordModel);
Talk talk = new Talk();
//输入语句进行识别，若有标点符号会形成LIST中的每个元素
//返回的集合中每个值代表了输入语句，每个标点符号前语句的分类
List<Integer> list = talk.talk("帮我配把锁");
System.out.println(list);
//这里做一个特别说明，语义分类的分类id不要使用"0",本框架约定如果类别返回数字0，则意味不能理解该语义，即分类失败
//通常原因是模板量不足，或者用户说的话的语义，不在你的语义分类训练范围内
示例：
- 单物体识别效果
- 多物体识别效果
- 中文语言分类效果
更多内容大家可自行前往阅读。
开源地址： https://gitee.com/ldp_dpsmax/easyAi