{
      "name": "小氧",
      "gender": "女",
      "ethnicity": "汉",
      "idNumber": "430602200010108888",
      "birthday": "2000-10-10",
      "address": "湖南省岳阳市岳阳楼区金鄂中路456号"
    }

{"issuingAuthority":"杭州市公安局江干分局","validFrom":"2015-11-05","validTo":"2025-11-05"}

🚀 SmartJavaAI 解决了什么问题？

针对 Java 开发者在集成智能算法时常见的两大痛点：

• 🐍 主流AI深度学习框架（PyTorch/TensorFlow）的Python生态与Java工程体系割裂

• ⚙️ 现有AI集成方案分散杂乱，封装不统一，使用门槛高，不易直接服务于 Java 业务开发

我们实现了：

✅ 开箱即用 - 两行代码即可调用算法

✅ 支持多种深度学习引擎 - Pytorch、Tensorflow、MXNet、ONNX Runtime

✅ 功能丰富 - 当前支持人脸识别、目标检测、OCR、NLP 等多个 AI 领域任务，构建全面的智能算法体系。

✅ 跨平台兼容 - 支持Windows/Linux/macOS系统（x86 & ARM架构）

📌 支持功能

• 人脸识别
  • 人脸检测：人脸区域检测、5点人脸关键点定位
  • 人脸识别：人脸512维特征提取、人脸对齐、1:1 人脸比对、1:N 人脸识别
  • 人脸库：人脸注册、更新、查询、删除(支持向量数据库milvus/sqlite)
  • 人脸属性检测：性别、年龄、口罩、眼睛状态、脸部姿态
  • 静默活体检测：图片、视频活体检测
  • 人脸表情识别：7种表情识别
  • 人脸质量评估：亮度评估、清晰度评估、完整度评估、姿态评估、遮挡评估
• 图像分类
  • 支持多种主流模型：集成 YOLOv8、YOLOv11 等分类模型
  • 支持自定义模型加载：可无缝加载并部署用户自行训练的分类模型
• 目标检测
  • 支持多种主流模型：集成 YOLOv5、YOLOv8、YOLOv11、YOLOv12、Tensorflow Object Detection 等目标检测模型
  • 支持自定义模型加载：可无缝加载并部署用户自行训练的目标检测模型
  • 集成行人检测模型
• 语义分割
  • 集成DeepLabV3模型
• 实例分割
  • 集成YOLOv8-seg、YOLOv11-seg、Mask R-CNN等模型
• OBB旋转框目标检测
  • 集成YOLOv11-obb模型
• 动作识别
  • 支持KINETICS400数据集中400个人类动作识别
• 姿态估计
  • 集成YOLOv8-pose、YOLOv11-pose等模型
• 零样本目标检测
  • 集成YOLOv8s_worldv2、owlv2_base_patch16模型
• CLIP
  • 支持提取图片及文本特征
  • 支持文搜图、图搜文、图搜图
• OCR文字识别
  • 支持PaddleOCR 3.0模型：集成最新PP-OCRv5、PP-OCRv4、表格结构识别模型(SLANet_plus)、文本行方向分类模型
  • 支持任意角度识别，方向校准
  • 支持通用文字识别，通用手写字识别
  • 支持表格识别
  • 支持中文车牌识别：单层/双层检测，颜色识别，支持12种中文车牌
  • 支持身份证识别：支持身份证正反面字段提取、方向矫正与结构化解析
• 机器翻译
  • 集成NLLB-200模型：支持200+语言互相翻译
• 语音识别(ASR)
  • 集成openai的whisper模型：支持100种语言
  • 集成vosk语音识别
  • 集成sherpa-onnx语音识别
• 语音合成(TTS)
  • 集成sherpa-onnx：支持中文、方言、粤语、英文、德语等多种语言

🌟 AI集成方式对比

🛠️包含组件

可以根据需求对每个模块单独引入，也可以通过引入all方式引入所有模块。

SmartJavaAI 架构图

📦 安装

1、环境要求

• Java 版本：JDK 8或更高版本
• 操作系统：Windows 64 位 / Linux / macOS M1
• CPU架构：x86_64、ARM64（aarch64）

2、Maven

在项目的 pom.xml 的 dependencies 中可以一次性引入全部功能（如下所示）。

⚠️ 注意：不推荐直接引入全部依赖，更推荐根据实际需求，按功能模块单独引入，避免引入不必要的包。

详细引入方式请查看 文档、或查看示例代码

<dependency>
    <groupId>cn.smartjavaai</groupId>
    <artifactId>all</artifactId>
    <version>1.1.2</version>
</dependency>

3、完整示例代码

示例代码

本项目在 examples 文件夹下提供了多个示例工程，用于演示各功能模块的使用方法：

• face-example：人脸检测、人脸识别等功能示例
• vision-example：通用视觉检测示例：目标检测、目标分割、图像分类等
• ocr-example：OCR文字识别、车牌识别等功能示例
• translate-example：机器翻译功能示例
• speech-example：语音识别、语音合成功能示例

运行方式

如果你只想运行某个示例，请按以下方式操作：

1. 打开 IDEA（或你喜欢的 IDE）

2. 选择 “Open”，然后仅导入 examples 目录下对应的示例项目，例如：

   examples/face-example
   

3. IDEA 会自动识别并加载依赖。若首次导入，请等待 Maven 下载依赖完成。

4. 请从我们提供的 百度网盘 中下载模型及其附带文件，并在示例代码中将模型路径修改为您本地的实际路径。

5. 可通过查看每个 Java 文件顶部的注释了解对应功能，或参考 README 文件中对各 Java 文件功能的说明，运行相应的测试方法进行体验。

4、文档地址

开发文档

5、模型简介及下载

模型下载

人脸模块

人脸检测模型(FaceDetection、FaceLandmarkExtraction)

人脸识别模型(FaceRecognition)

静态活体检测(RGB)模型（Silent face-anti-spoofing、FaceLivenessDetection）

人脸表情识别模型(FacialExpressionRecognition、fer)

支持功能：

• 支持识别7种表情：neutral（中性）、happy（高兴）、sad（悲伤）、surprise（惊讶）、fear（恐惧）、disgust（厌恶）、anger（愤怒）

人脸属性识别模型(GenderDetection、AgeDetection、EyeClosenessDetection、FacePoseEstimation)

支持功能：

• 性别检测
• 年龄检测
• 闭眼检测
• 人脸姿态检测
• 戴口罩检测

人脸质量评估模型(FaceQualityAssessment)

支持功能：

• 亮度评估
• 清晰度评估
• 完整度评估
• 姿态评估
• 遮挡评估

图像分类模型(CLS)

YOLO 系列

目标检测模型

YOLO 系列

Tensorflow系列

仅测试了以下Tensorflow目标检测模型

SSD 系列

语义分割模型

实例分割模型

CLIP模型(Connecting text and images)

OBB旋转框目标检测模型

零样本目标检测模型

行人检测模型

人类动作识别模型

姿态估计模型

OCR 模型

支持功能：

• 支持简体中文、繁体中文、英文、日文四种主要语言
• 手写、竖版、拼音、生僻字
• 方向矫正

文本检测模型

文本识别模型

文本方向分类模型(cls)

表格结构识别(Table Structure Recognition)

车牌检测模型(License Plate Detection)

车牌识别模型(License Plate Recognition)

机器翻译模型

支持功能

• 200多语言互相翻译

语音识别模型(ASR)

这里仅介绍模型的开源项目，每个开源项目通常包含多个具体模型，本文不逐一列出。

语音合成模型(TTS)

这里仅介绍模型的开源项目，每个开源项目通常包含多个具体模型，本文不逐一列出。

🙏 致谢

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：

• Deep Java Library
• AIAS

联系方式

如您在使用过程中有任何问题、建议，或希望进行技术交流与合作，欢迎添加微信与我联系，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！ ❤️

献代码的步骤

1、在Gitee或者Github/Gitcode上fork项目到自己的repo

2、把fork过去的项目也就是你的项目clone到你的本地

3、修改代码（记得一定要修改dev分支）

4、commit后push到自己的库（dev分支）

5、登录Gitee或Github/Gitcode在你首页可以看到一个 pull request 按钮，点击它，填写一些说明信息，然后提交即可。

6、等待维护者合并

<mirrors>
    <mirror>
        <id>aliyunmaven</id>
        <mirrorOf>*</mirrorOf>
        <name>Aliyun Maven</name>
        <url>https://maven.aliyun.com/repository/public</url>
    </mirror>
</mirrors>

<dependency>
    <groupId>ink.numberone</groupId>
    <artifactId>smartjavaai-all</artifactId>
    <version>0.9.0</version> <!-- 请替换为最新版本号 -->
</dependency>

dependencies {
    implementation 'ink.numberone:smartjavaai-all:0.9.0' // 请替换为最新版本号
}

import ink.numberone.smartjavaai.face.FaceDetector;
import ink.numberone.smartjavaai.face.model.FaceInfo;
import java.util.List;

public class FaceDetectionDemo {
    public static void main(String[] args) {
        // 初始化检测器（首次运行会自动下载/加载模型）
        FaceDetector detector = new FaceDetector();

        // 执行检测，传入图片路径
        String imagePath = "test_image.jpg";
        List<FaceInfo> faces = detector.detect(imagePath);

        // 输出结果
        if (faces.isEmpty()) {
            System.out.println("未检测到人脸");
        } else {
            System.out.println("检测到 " + faces.size() + " 张人脸");
            for (FaceInfo face : faces) {
                System.out.println("位置：" + face.getBoundingBox());
                System.out.println("关键点：" + face.getLandmarks());
                // 还可获取性别、年龄、口罩等属性（取决于具体调用方法）
            }
        }
        
        // 释放资源
        detector.close();
    }
}

import ink.numberone.smartjavaai.ocr.OcrEngine;
import ink.numberone.smartjavaai.ocr.model.OcrResult;
import java.util.List;

public class OcrDemo {
    public static void main(String[] args) {
        // 初始化 OCR 引擎
        OcrEngine ocrEngine = new OcrEngine();

        String imagePath = "text_image.png";
        
        // 执行识别
        List<OcrResult> results = ocrEngine.recognize(imagePath);

        // 遍历结果
        for (OcrResult result : results) {
            System.out.println("识别文本：" + result.getText());
            System.out.println("置信度：" + result.getConfidence());
            System.out.println("坐标位置：" + result.getBoxPoints());
        }

        ocrEngine.close();
    }
}