CognitiveJ —— Java 的图像分析库，cognitivejjava

来源： javaer 分享于 2019-04-09 点击 7316 次点评：264

CognitiveJ —— Java 的图像分析库，cognitivejjava

CognitiveJ 是一个开源的，支持 Java 8 API 的库，用于管理和编排 Java 应用和微软的 Cognitive (Project Oxford) 机器学习和图像处理库的项目，可以让你查询以及分析图像。

人脸识别

人脸检测– 捕获脸部、性别、年龄等相关脸部特征以及图像的标志
表情检测 – 根据图像中的脸部信息推断出表情状态
验证 – 验证同一个人的两张不同表情的差异
识别 – 根据已知的人里识别出某个人
查找相似 —— 对人脸检测、分组以及排名以找出类似的人脸
分组 – 基于脸部特征进行人的分组
Person Group/Person/Face Lists; 创建、管理和训练分组、脸部和人列表用于识别、分组和查找相似的脸部特征

视觉

图像描述 —— 描述图像的可视化内容并返回真实世界中的表述方式
图像分析 —— 抽取图像中的关键信息，例如可判断图片是否包含色情性质
OCR – 检测和提取图像中的文字
缩略图 – 根据图像的关键点来创建缩略图

图层 (体验阶段)

应用图像层到多个图像上，将发现的特征进行可视化展现
在人脸和图像上使用字幕
形象的描述脸部和视觉特征集
对图像中的人脸进行像素化

其他特性

支持本地和远程图像
参数校验

开始

Java 8
MS Cognitive 库的订阅秘钥 (免费注册)
添加来自 JCenter 的依赖

Gradle

repositories {
        jcenter()
    }

    dependencies {
    compile "cognitivej:cognitivej:0.6.2"
    ...
    }

Maven

 <dependency>
      <groupId>cognitivej</groupId>
      <artifactId>cognitivej</artifactId>
      <version>0.6.2</version>
      <type>pom</type>
    </dependency>

链式构建器 - 该构建器是 MS Cognitive REST 服务的简单轻量级封装，用来管理参数和响应、HTTP 通讯和重试策略的编排。构建器使用链式设计模式允许方便的在资源处理过程中进行操作。

场景 - 场景是真实世界的一些用例类，大大的简化了构建器和封装类之间的交互。没有理由不让你直接和构建器打交道，场景提供了更多的样板逻辑来减少负担。图层覆盖 - 允许基于查询的结构来创建和生成新的图像。注意：碰撞检测以及边界检测正在开发中。

封装器简单的关于请求、响应和参数对象的封装，例如 Face, FaceAttributes,Person 等等

脸部检测可以检测图片中的人脸，并返回一组脸部结果集合。

示例

public static void main(String[] args) {
    FaceScenarios faceScenarios = new FaceScenarios(getProperty("azure.cognitive.subscriptionKey"),
            getProperty("azure.cognitive.emotion.subscriptionKey"));
    ImageOverlayBuilder imageOverlayBuilder = ImageOverlayBuilder.builder(IMAGE_URL);
    imageOverlayBuilder.outlineFacesOnImage(faceScenarios.findFaces(IMAGE_URL), RectangleType.FULL,
            CognitiveJColourPalette.STRAWBERRY).launchViewer();
}

脸部特征用来检测图片中人脸的特征标志信息

示例

public static void main(String[] args) throws IOException {
    FaceScenarios faceScenarios = new FaceScenarios(getProperty("azure.cognitive.subscriptionKey"), 
            getProperty("azure.cognitive.emotion.subscriptionKey"));
    Face faces = faceScenarios.findSingleFace(IMAGE_URL);
    ImageOverlayBuilder.builder(IMAGE_URL).outFaceLandmarksOnImage(faces).launchViewer();
}

脸部属性检测显示所检测到的脸部的属性，例如性别、年龄、是否佩戴眼镜等

示例

public static void main(String[] args) {
    FaceScenarios faceScenarios = new FaceScenarios(getProperty("azure.cognitive.subscriptionKey"),
            getProperty("azure.cognitive.emotion.subscriptionKey"));
    List<Face> faces = faceScenarios.findFaces(IMAGE_URL);
    ImageOverlayBuilder.builder(IMAGE_URL).outlineFacesOnImage(faces, RectangleType.CORNERED,
            CognitiveJColourPalette.MEADOW).writeFaceAttributesToTheSide(faces, CognitiveJColourPalette.MEADOW).launchViewer();
}

脸部验证用来验证两个不同的脸部是否属于一个人，包含一个检测的可靠指数。

示例

public static void main(String[] args) {
    FaceScenarios faceScenarios = new FaceScenarios(getProperty("azure.cognitive.subscriptionKey"),
            getProperty("azure.cognitive.emotion.subscriptionKey"));
    ImageOverlayBuilder.builder(CANDIDATE_1);
    imageOverlayBuilder.verify(CANDIDATE_2, faceScenarios.verifyFaces(CANDIDATE_1, CANDIDATE_2)).launchViewer();
}

脸部标识标识出图像中的人。在标识之前，我们需要提供一组候选样本，当前最多支持 1000 个候选样本。

示例

public static void main(String[] args) {
    FaceScenarios faceScenarios = new FaceScenarios(getProperty("azure.cognitive.subscriptionKey"), 
            getProperty("azure.cognitive.emotion.subscriptionKey"));
    ImageOverlayBuilder imageOverlayBuilder = ImageOverlayBuilder.builder(IMAGE);
    List<ImageHolder> candidates = candidates();
    People people = ScenarioHelper.createPeopleFromHoldingImages(candidates, ImageNamingStrategy.DEFAULT);
    String groupId = faceScenarios.createGroupWithPeople(randomAlphabetic(6).toLowerCase(), people);
}

脸部像素化将图像中所有的脸部信息标识出来并进行像素化。

public static void main(String[] args) {
    FaceScenarios faceScenarios = new FaceScenarios(getProperty("azure.cognitive.subscriptionKey"), 
            getProperty("azure.cognitive.emotion.subscriptionKey"));
    ImageOverlayBuilder imageOverlayBuilder = ImageOverlayBuilder.builder(IMAGE);
    faceScenarios.findFaces(IMAGE).stream().forEach(imageOverlayBuilder:: pixelateFaceOnImage);
    imageOverlayBuilder.launchViewer();
}

public static void main(String[] args) {
    FaceScenarios faceScenarios = new FaceScenarios(getProperty("azure.cognitive.subscriptionKey"), 
            getProperty("azure.cognitive.emotion.subscriptionKey"));
    ImageOverlayBuilder.builder(IMAGE_URL).outlineEmotionsOnImage(faceScenarios.findEmotionFaces(IMAGE_URL)).launchViewer();
}

视觉描述使用人类可读的方式来分析和描述图像中的内容。

public static void main(String[] args) {
    ComputerVisionScenario computerVisionScenario = new ComputerVisionScenario(getProperty("azure.cognitive.vision.subscriptionKey"));
    ImageDescription imageDescription = computerVisionScenario.describeImage(IMAGE_URL);
    ImageOverlayBuilder.builder(IMAGE_URL).describeImage(imageDescription).launchViewer();

}

OCR 用来分析和提取图像中包含的文字信息。

public static void main(String[] args) {
    ComputerVisionScenario computerVisionScenario = new ComputerVisionScenario(getProperty("azure.cognitive.vision.subscriptionKey"));
    OCRResult ocrResult = computerVisionScenario.ocrImage(IMAGE_URL);
    ImageOverlayBuilder.builder(IMAGE_URL).ocrImage(ocrResult).launchViewer();
}

编写高质量代码的思考，编写高质量代码

CognitiveJ —— Java 的图像分析库，cognitivejjava