SmartJavaAI

# 快速入门

# 📚简介

SmartJavaAI是专为JAVA 开发者打造的一个功能丰富、开箱即用的 JAVA AI算法工具包，致力于帮助JAVA开发者零门槛使用各种AI算法模型，开发者无需深入了解底层实现，即可轻松在 Java 代码中调用人脸识别、目标检测、OCR 等功能。底层实现涵盖了 C++、Python 等语言的深度学习模型。后续将持续扩展更多算法，目标是构建一个“像 Hutool 一样简单易用”的 JAVA AI 通用工具箱

# 📌 支持功能

# ✅ 已实现功能

  • 人脸识别
    • 人脸检测、人脸识别、人脸比对1:1、人脸比对1:N、人脸库注册、人脸库、人脸库删除
    • 5点人脸关键点定位
    • 人脸属性检测（性别、年龄、口罩、眼睛状态、脸部姿态）
    • 人脸活体检测：图片、视频活体检测
  • 目标检测
    • 支持YOLO、resnet50、VGG16等目标检测模型
    • 支持通用目标检测，能够识别图像中的多种物体类别，返回物体位置与类别信息

# ⌛ 规划中功能

  • 图像分类（Image classification）

  • 万物分割 （Segment Anything）

  • 实例分割（Instance Segmentation）

  • 语义分割（Semantic Segmentation）

  • 姿态识别（Pose Estimation）

  • 动作识别（Action Recognition）

  • 使用 BigGAN 的图像生成

  • 图像增强

  • 基于 BERT 的问答

  • 语音识别示例（Speech Recognition）

# 🛠️包含组件

模块 介绍
smartjavaai-common 基础通用模块，封装了公共功能，供各算法模块共享使用
smartjavaai-face 人脸功能模块
smartjavaai-objectdetection 目标检测模块

可以根据需求对每个模块单独引入，也可以通过引入smartjavaai-all方式引入所有模块。

# 📦 安装

# 1、环境要求

  • Java 版本：JDK 11或更高版本
  • 操作系统：不同模型支持的系统不一样，具体请查看文档

# 2、Maven

# 全量引入（适合快速体验）

如果你希望直接引入所有功能模块，那就"无脑"引入smartjavaai-all:

<dependency>
    <groupId>cn.smartjavaai</groupId>
    <artifactId>smartjavaai-all</artifactId>
    <version>1.0.12</version>
</dependency>

# 按需引入（推荐）

如果你想像SpringBoot一样引入SmartJavaAI，再由子模块决定用到哪些模块，你可以在父模块中加入：

<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>cn.smartjavaai</groupId>
            <artifactId>smartjavaai-bom</artifactId>
            <version>${smartjavaai.version}</version>
            <type>pom</type>
            <!-- 注意这里是import -->
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

在子模块中就可以引入自己需要的模块了：

<!--人脸识别模块-->
<dependency>
    <groupId>cn.smartjavaai</groupId>
    <artifactId>smartjavaai-face</artifactId>
</dependency>

<!--目标检测模块-->
<dependency>
    <groupId>cn.smartjavaai</groupId>
    <artifactId>smartjavaai-objectdetection</artifactId>
</dependency>

注意事项：

1、若选择“按需引入模块”方式，你必须同时手动引入平台原生依赖（如 OpenCV、FFmpeg 等），否则运行时将因缺失 native 库而抛出异常。

2、使用 smartjavaai-all 则会自动引入所有平台依赖，无需手动配置。

平台原生依赖（按平台选择，减小包体积），建议根据目标平台引入对应原生依赖（通过 classifier 控制平台版本）：

（1）预设平台属性

<properties>
    <javacv.platform.macosx-arm64>macosx-arm64</javacv.platform.macosx-arm64>
    <javacv.platform.linux-x86_64>linux-x86_64</javacv.platform.linux-x86_64>
    <javacv.platform.linux-arm64>linux-arm64</javacv.platform.linux-arm64>
    <javacv.platform.windows-x86_64>windows-x86_64</javacv.platform.windows-x86_64>
</properties>

（2）引入原生依赖（示例：Windows x86_64）

<dependency>
    <groupId>org.bytedeco</groupId>
    <artifactId>javacpp</artifactId>
    <version>${javacv.version}</version>
    <classifier>${javacv.platform.windows-x86_64}</classifier>
</dependency>
<dependency>
    <groupId>org.bytedeco</groupId>
    <artifactId>ffmpeg</artifactId>
    <version>6.1.1-1.5.10</version>
    <classifier>${javacv.platform.windows-x86_64}</classifier>
</dependency>

<dependency>
    <groupId>org.bytedeco</groupId>
    <artifactId>openblas</artifactId>
    <version>0.3.26-1.5.10</version>
    <classifier>${javacv.platform.windows-x86_64}</classifier>
</dependency>

<dependency>
    <groupId>org.bytedeco</groupId>
    <artifactId>opencv</artifactId>
    <version>4.9.0-1.5.10</version>
    <classifier>${javacv.platform.windows-x86_64}</classifier>
</dependency>

# 3、完整示例代码

示例代码 (opens new window)

# 4、文档地址

开发文档 (opens new window)

# 🙏 鸣谢

本项目在开发过程中借鉴或使用了以下优秀开源项目，特此致谢：

# 联系方式

如您在使用过程中有任何问题或建议，欢迎添加微信，与我们交流并加入用户交流群

  • 微信: deng775747758 （请备注：SmartJavaAI）
  • Email: 775747758@qq.com

🚀 如果这个项目对你有帮助，别忘了点个 Star ⭐！你的支持是我持续优化升级的动力！ ❤️

人脸识别 →