近几年人工智能项目如火如荼，但是大多处于研究阶段，由于需要用到GPU，纯CPU计算耗时较久，因此落地的互联网项目更是少之又少。本文通过一个实际的人工智能舌诊项目，简单介绍下如何从0到1开发一款互联网+人工智能落地应用。

本文内容：

1、准备训练图片数据；

2、选择开源神经网络算法模型；

3、得到训练模型，加载模型，执行预测。

本文需要一点机器视觉和神经网络基础知识

1、准备训练图片数据

以识别人脸图片为例

下载人脸图片数据集，收集目标图片，可以从百度图片下载，建议使用爬虫，PHP语言推荐使用php-spider，Python语言有很多开源爬虫框架；

谷歌或者百度即可

标注图片

安装yolo-mark

GitHub地址：https://github.com/AlexeyAB/Yolo_mark.git

安装MSVS2015

下载OpenCV 4.x windows安装包，官网有下载，下载完后解压到指定目录，如：e:\opencv；

导出yolo-mark源码，用 vs 打开 yolo_mark.sln，更改工程中的OpenCV的路径为本机安装路径：

右击项目 =》属性 =》 C/C++ =》通用 =》附加目录 =》 添加一行： e:\opencv\opencv\build\include

右击项目 =》属性 =》 链接器 =》通用 =》附加目录 =》 添加一行： e:\opencv\opencv\build\x64\vc14\lib

选择编译环境为 x64 & Release，然后右击项目 =》 生成 x64/Release/yolo_mark.cmd；

复制训练样本图片到 x64/Release/data/img；

打开 x64/Release/data/obj.data，更改classes= 1，表示只有一个类型，根据实际情况更改；

打开 x64/Release/data/obj.names，清空文件，输入face，多个的话一行一个；

双击 x64/Release/yolo_mark.cmd，运行即可标注。

标注说明

标注的框只需要包含目标对象即可

如果提示确实dll文件，从OpenCV安装目录opencv\build\bin复制对应的文件到 x64/Release/ 目录下即可

按数字键选择对应的类型（从0开始）后再标注

2、选择开源神经网络算法模型

目前速度最快的开源神经网络算法非yolo莫属，DNN网络采用yolo-v3，和v2版本相比，增加了网络的层级，支持检测小目标。

训练步骤

安装Yolo_mark，github地址：https://github.com/AlexeyAB/Yolo_mark ，上面介绍的比较详细，需要注意以下几点：

只支持OpenCV 2.x and OpenCV 3.x，OpenCV安装参考之前的教程；

编译完成后，运行x64/Release/yolo_mark.cmd，如果提示缺失opencv_ffmpeg3xx_64.dll，复制OpenCV 安装目录下的opencv_ffmpeg3xx_64.dll，到yolo_mark.cmd同级目录下

标注图片，参考教程：https://blog.csdn.net/qq_33485434/article/details/80597381 ；

训练网络：复制x64/Release/data目录下的所有文件到darknet安装目录对应的data目录下，更改cfg/yolov3.cfg中的classes参数，和对应的卷积层参数，具体参考：https://github.com/AlexeyAB/darknet#how-to-train-to-detect-your-custom-objects

常用命令：

训练命令：darknet.exe detector train data/obj.data cfg/yolov3.cfg /backup/yolov3.weights -map 如果没有权重文件，可以省略，会随机生成一个权重文件。

测试命令：darknet.exe detector test data/obj.data cfg/yolov3.cfg yolov3_final.weights,yolov3_final.weights为结束训练后的权重文件

3、得到训练模型，加载模型，执行预测

本文介绍训练完神经网络后，在实际应用小程序“AI看舌”中的使用。欢迎大家分享给有需要的人

准备配置文件和权重文件，具体教程参考前面的教程。更改配置文件为test模式，准备map值最高的权重文件。上传到服务器。

服务器安装OpenCV，centos需要注意设置 OpenCV 的系统库环境变量

新建SpringBoot项目，导入本地OpenCV包，查看之前的教程，通过Java调用OpenCV的DNN模块加载权重文件和配置文件，给出预测；

打包SpringBoot，上传到服务器，通过Java -jar 方式运行，也可以打包成docker镜像，然后上传到镜像服务器，通过docker运行。

具体参考我的github项目：GitHub – lwhua/aikanshe: 使用SpingBoot、OpenCV、yolo开发舌诊小程序

AI看舌，欢迎推荐给与需要的人：AI看舌 – 爱看舌，用AI看舌，专业的人工智能舌诊小程序，开启人工智能舌诊新时代。

原著是一个有趣的人,若有侵权,请通知删除