临时提交

examples/face-example/pom.xml

@@ -34,7 +34,7 @@
         <dependencies>
             <dependency>
                 <groupId>cn.smartjavaai</groupId>
-                <artifactId>smartjavaai-bom</artifactId>
+                <artifactId>bom</artifactId>
                 <version>${smartjavaai.version}</version>
                 <type>pom</type>
                 <!-- 注意这里是import -->
@@ -94,14 +94,14 @@
         <!--人脸识别模块-->
         <dependency>
             <groupId>cn.smartjavaai</groupId>
-            <artifactId>smartjavaai-face</artifactId>
+            <artifactId>face</artifactId>
         </dependency>
 
 
         <dependency>
             <groupId>ai.djl.pytorch</groupId>
             <artifactId>pytorch-jni</artifactId>
-            <version>2.5.1-0.32.0</version>
+            <version>2.7.1-0.34.0</version>
             <scope>runtime</scope>
         </dependency>
 
@@ -138,7 +138,7 @@
             <groupId>ai.djl.pytorch</groupId>
             <artifactId>pytorch-native-cpu</artifactId>
             <classifier>${djl.platform.windows-x86_64}</classifier>
-            <version>2.5.1</version>
+            <version>2.7.1</version>
             <scope>runtime</scope>
         </dependency>
 
@@ -176,7 +176,7 @@
             <groupId>ai.djl.pytorch</groupId>
             <artifactId>pytorch-native-cpu</artifactId>
             <classifier>${djl.platform.linux-x86_64}</classifier>
-            <version>2.5.1</version>
+            <version>2.7.1</version>
             <scope>runtime</scope>
         </dependency>
 
@@ -213,7 +213,7 @@
             <groupId>ai.djl.pytorch</groupId>
             <artifactId>pytorch-native-cpu</artifactId>
             <classifier>${djl.platform.osx-aarch64}</classifier>
-            <version>2.5.1</version>
+            <version>2.7.1</version>
             <scope>runtime</scope>
         </dependency>
 
@@ -260,7 +260,7 @@
             <artifactId>pytorch-native-cpu</artifactId>
             <classifier>linux-aarch64</classifier>
             <scope>runtime</scope>
-            <version>2.5.1</version>
+            <version>2.7.1</version>
         </dependency>
 
 

examples/face-example/src/main/java/smartai/examples/face/Test.java

@@ -84,16 +84,16 @@ public class Test {
             log.info("user ./gradlew listModel --args='-a' to show artifact detail");
             log.info("============================================================");
         }
-        Map<Application, List<Artifact>> models = ModelZoo.listModels();
-        for (Map.Entry<Application, List<Artifact>> entry : models.entrySet()) {
-            String appName = entry.getKey().toString();
-            for (Artifact artifact : entry.getValue()) {
-                if (withArtifacts) {
-                    log.info("{} djl://{}", appName, artifact);
-                } else {
-                    log.info("{} {}", appName, artifact);
-                }
-            }
-        }
+//        Map<Application, List<Artifact>> models = ModelZoo.listModels();
+//        for (Map.Entry<Application, List<Artifact>> entry : models.entrySet()) {
+//            String appName = entry.getKey().toString();
+//            for (Artifact artifact : entry.getValue()) {
+//                if (withArtifacts) {
+//                    log.info("{} djl://{}", appName, artifact);
+//                } else {
+//                    log.info("{} {}", appName, artifact);
+//                }
+//            }
+//        }
     }
 }

examples/face-example/src/main/java/smartai/examples/face/expression/ExpressionRecDemo.java

@@ -63,15 +63,21 @@ public class ExpressionRecDemo {
     }
 
     /**
-     * 获取人脸检测模型
+     * 获取人脸检测模型（均衡模型）
+     * 均衡模型：兼顾速度和精度
+     * 注意事项：SmartJavaAI提供了多种模型选择(更多模型，请查看文档)，切换模型需要同时修改modelEnum及modelPath
      * @return
      */
     public FaceDetModel getFaceDetModel(){
         FaceDetConfig config = new FaceDetConfig();
-        config.setModelEnum(FaceDetModelEnum.RETINA_FACE);//人脸检测模型
-        config.setConfidenceThreshold(FaceDetectConstant.DEFAULT_CONFIDENCE_THRESHOLD);//只返回相似度大于该值的人脸
-        config.setNmsThresh(FaceDetectConstant.NMS_THRESHOLD);//用于去除重复的人脸框，当两个框的重叠度超过该值时，只保留一个
-        config.setDevice(device);
+        //人脸检测模型，SmartJavaAI提供了多种模型选择(更多模型，请查看文档)，切换模型需要同时修改modelEnum及modelPath
+        config.setModelEnum(FaceDetModelEnum.MTCNN);
+        //下载模型并替换本地路径，下载地址：https://pan.baidu.com/s/10l22x5fRz_gwLr8EAHa1Jg?pwd=1234 提取码: 1234
+        config.setModelPath("/Users/wenjie/Documents/develop/face_model");
+        //只返回相似度大于该值的人脸,需要根据实际情况调整，分值越大越严格容易漏检，分值越小越宽松容易误识别
+        config.setConfidenceThreshold(0.5f);
+        //用于去除重复的人脸框，当两个框的重叠度超过该值时，只保留一个
+        config.setNmsThresh(FaceDetectConstant.NMS_THRESHOLD);
         return FaceDetModelFactory.getInstance().getModel(config);
     }
 
@@ -83,7 +89,7 @@ public class ExpressionRecDemo {
     public ExpressionModel getExpressionModel(){
         FaceExpressionConfig config = new FaceExpressionConfig();
         config.setModelEnum(ExpressionModelEnum.FrEmotion);
-        config.setModelPath("/Users/xxx/Documents/develop/model/emotion/fr_expression.onnx");
+        config.setModelPath("/Users/wenjie/Documents/develop/model/emotion/fr_expression.onnx");
         config.setDevice(device);
         config.setAlign(true);
         config.setDetectModel(getFaceDetModel());

examples/face-example/src/main/java/smartai/examples/face/facedet/FaceDetDemo.java

@@ -58,18 +58,58 @@ public class FaceDetDemo {
 
 
     /**
-     * 获取人脸检测模型
-     * 注意事项：高精度模型，速度较慢
+     * 获取人脸检测模型（均衡模型）
+     * 均衡模型：兼顾速度和精度
+     * 注意事项：SmartJavaAI提供了多种模型选择(更多模型，请查看文档)，切换模型需要同时修改modelEnum及modelPath
      * @return
      */
     public FaceDetModel getFaceDetModel(){
         FaceDetConfig config = new FaceDetConfig();
-        //高精度模型，速度慢
-        config.setModelEnum(FaceDetModelEnum.RETINA_FACE);//人脸检测模型
+        //人脸检测模型，SmartJavaAI提供了多种模型选择(更多模型，请查看文档)，切换模型需要同时修改modelEnum及modelPath
+        config.setModelEnum(FaceDetModelEnum.MTCNN);
+        //下载模型并替换本地路径，下载地址：https://pan.baidu.com/s/10l22x5fRz_gwLr8EAHa1Jg?pwd=1234 提取码: 1234
+        config.setModelPath("/Users/wenjie/Documents/develop/face_model");
+        //只返回相似度大于该值的人脸,需要根据实际情况调整，分值越大越严格容易漏检，分值越小越宽松容易误识别
+        config.setConfidenceThreshold(0.5f);
+        //用于去除重复的人脸框，当两个框的重叠度超过该值时，只保留一个
+        config.setNmsThresh(FaceDetectConstant.NMS_THRESHOLD);
+        return FaceDetModelFactory.getInstance().getModel(config);
+    }
+
+
+    /**
+     * 获取人脸检测模型（高精度模型）
+     * 注意事项：高精度模型，识别准确度高，速度慢
+     * @return
+     */
+    public FaceDetModel getProFaceDetModel(){
+        FaceDetConfig config = new FaceDetConfig();
+        //人脸检测模型，SmartJavaAI提供了多种模型选择(更多模型，请查看文档)，切换模型需要同时修改modelEnum及modelPath
+        config.setModelEnum(FaceDetModelEnum.RETINA_FACE);
         //下载模型并替换本地路径，下载地址：https://pan.baidu.com/s/10l22x5fRz_gwLr8EAHa1Jg?pwd=1234 提取码: 1234
         config.setModelPath("/Users/wenjie/Documents/develop/face_model/retinaface.pt");
-        config.setConfidenceThreshold(FaceDetectConstant.DEFAULT_CONFIDENCE_THRESHOLD);//只返回相似度大于该值的人脸
-        config.setNmsThresh(FaceDetectConstant.NMS_THRESHOLD);//用于去除重复的人脸框，当两个框的重叠度超过该值时，只保留一个
+        //只返回相似度大于该值的人脸,需要根据实际情况调整，分值越大越严格容易漏检，分值越小越宽松容易误识别
+        config.setConfidenceThreshold(0.5f);
+        //用于去除重复的人脸框，当两个框的重叠度超过该值时，只保留一个
+        config.setNmsThresh(FaceDetectConstant.NMS_THRESHOLD);
+        return FaceDetModelFactory.getInstance().getModel(config);
+    }
+
+    /**
+     * 获取人脸检测模型（极速模型）
+     * 注意事项：极速模型，识别准确度低，速度快
+     * @return
+     */
+    public FaceDetModel getFastFaceDetModel(){
+        FaceDetConfig config = new FaceDetConfig();
+        //人脸检测模型，SmartJavaAI提供了多种模型选择(更多模型，请查看文档)，切换模型需要同时修改modelEnum及modelPath
+        config.setModelEnum(FaceDetModelEnum.YOLOV5_FACE_320);
+        //下载模型并替换本地路径，下载地址：https://pan.baidu.com/s/10l22x5fRz_gwLr8EAHa1Jg?pwd=1234 提取码: 1234
+        config.setModelPath("/Users/wenjie/Documents/develop/face_model/yolo-face/yolov5face-n-0.5-320x320.onnx");
+        //只返回相似度大于该值的人脸,需要根据实际情况调整，分值越大越严格容易漏检，分值越小越宽松容易误识别
+        config.setConfidenceThreshold(0.5f);
+        //用于去除重复的人脸框，当两个框的重叠度超过该值时，只保留一个
+        config.setNmsThresh(FaceDetectConstant.NMS_THRESHOLD);
         return FaceDetModelFactory.getInstance().getModel(config);
     }
 
@@ -84,47 +124,21 @@ public class FaceDetDemo {
         config.setModelEnum(FaceDetModelEnum.SEETA_FACE6_MODEL);
         //指定模型路径：请根据实际情况替换为本地模型文件的绝对路径（下载地址：https://pan.baidu.com/s/10l22x5fRz_gwLr8EAHa1Jg?pwd=1234 提取码: 1234）
         config.setModelPath("C:/Users/Administrator/Downloads/sf3.0_models/sf3.0_models");
+        config.setConfidenceThreshold(0.9);
         return FaceDetModelFactory.getInstance().getModel(config);
     }
 
+
     /**
-     * 人脸检测(默认配置)
-     * 使用默认模型参数检测，默认模型：retinaface，需联网，会自动下载模型
-     * 图片参数：图片路径
+     * 人脸检测
+     * 注意事项：
+     * 1、此用例使用均衡模型，可以切换高精度模型或极速模型
      */
     @Test
     public void testFaceDetect(){
         try {
             FaceDetModel faceModel = getFaceDetModel();
             R<DetectionResponse> detectedResult = faceModel.detect(imgPath);
-//            if(detectedResult.isSuccess()){
-//                log.info("人脸检测结果：{}", JSONObject.toJSONString(detectedResult.getData()));
-//            }else{
-//                log.info("人脸检测失败：{}", detectedResult.getMessage());
-//            }
-
-            long start = System.currentTimeMillis();
-            R<DetectionResponse> detectedResult2 = faceModel.detect("/Users/wenjie/Downloads/facetest/surprise.png");
-            log.info("耗时：{}", System.currentTimeMillis() - start);
-            if(detectedResult2.isSuccess()){
-                log.info("人脸检测结果：{}", JSONObject.toJSONString(detectedResult2.getData()));
-            }else{
-                log.info("人脸检测失败：{}", detectedResult2.getMessage());
-            }
-        } catch (Exception e) {
-            e.printStackTrace();
-        }
-    }
-
-    /**
-     * 人脸检测(自定义模型参数)
-     * 图片参数：图片路径
-     */
-    @Test
-    public void testFaceDetectCustomConfig(){
-        try {
-            FaceDetModel faceModel = getFaceDetModel();
-            R<DetectionResponse> detectedResult = faceModel.detect(imgPath);
             if(detectedResult.isSuccess()){
                 log.info("人脸检测结果：{}", JSONObject.toJSONString(detectedResult.getData()));
             }else{
@@ -181,10 +195,12 @@ public class FaceDetDemo {
     public void testDetectFaceGPU(){
         try {
             FaceDetConfig config = new FaceDetConfig();
-            //高精度模型，速度慢
-            config.setModelEnum(FaceDetModelEnum.RETINA_FACE);//人脸检测模型
+            //人脸检测模型，SmartJavaAI提供了多种模型选择(更多模型，请查看文档)，切换模型需要同时修改modelEnum及modelPath
+            config.setModelEnum(FaceDetModelEnum.MTCNN);
             //下载模型并替换本地路径，下载地址：https://pan.baidu.com/s/10l22x5fRz_gwLr8EAHa1Jg?pwd=1234 提取码: 1234
-            config.setModelPath("/Users/xxx/Documents/develop/model/retinaface.pt");
+            config.setModelPath("/Users/wenjie/Documents/develop/face_model");
+            //只返回相似度大于该值的人脸,需要根据实际情况调整，分值越大越严格容易漏检，分值越小越宽松容易误识别
+            config.setConfidenceThreshold(0.5f);
             config.setDevice(DeviceEnum.GPU);
             FaceDetModel faceModel = FaceDetModelFactory.getInstance().getModel(config);
             R<DetectionResponse> detectedResult = faceModel.detect(imgPath);
@@ -200,7 +216,7 @@ public class FaceDetDemo {
 
     /**
      * 人脸检测(Seetaface6)
-     * 图片参数：图片路径
+     * 注意事项：不支持macos
      */
     @Test
     public void testFaceDetectSeetaface6(){
@@ -220,12 +236,12 @@ public class FaceDetDemo {
 
     /**
      * 摄像头人脸检测
-     * 注意事项：如果视频比较卡，可以使用轻量的人脸检测模型
+     * 注意事项：实时检测，需要使用极速模型
      */
     @Test
     public void testDetectCamera(){
         try {
-            FaceDetModel faceModel = getSeetaface6DetModel();
+            FaceDetModel faceModel = getFastFaceDetModel();
             OpenCV.loadShared();
             VideoCapture capture = new VideoCapture(0);
             if (!capture.isOpened()) {

examples/face-example/src/main/java/smartai/examples/face/facerec/FaceRecDemo.java

@@ -53,39 +53,65 @@ public class FaceRecDemo {
 
 
     /**
-     * 获取人脸检测模型（高精度，速度慢）
-     * 追求准确度可以使用
-     * 也可以使用其他模型，具体其他模型参数可以查看文档：http://doc.smartjavaai.cn/face.html
+     * 获取人脸检测模型（均衡模型）
+     * 均衡模型：兼顾速度和精度
+     * 注意事项：SmartJavaAI提供了多种模型选择(更多模型，请查看文档)，切换模型需要同时修改modelEnum及modelPath
      * @return
      */
-    public FaceDetModel getHighAccuracyDetModel(){
+    public FaceDetModel getFaceDetModel(){
         FaceDetConfig config = new FaceDetConfig();
-        //高精度模型，速度慢
-        config.setModelEnum(FaceDetModelEnum.RETINA_FACE);//人脸检测模型
+        //人脸检测模型，SmartJavaAI提供了多种模型选择(更多模型，请查看文档)，切换模型需要同时修改modelEnum及modelPath
+        config.setModelEnum(FaceDetModelEnum.MTCNN);
         //下载模型并替换本地路径，下载地址：https://pan.baidu.com/s/10l22x5fRz_gwLr8EAHa1Jg?pwd=1234 提取码: 1234
-//        config.setModelPath("/Users/wenjie/Documents/develop/model/retinaface.pt");
-        config.setConfidenceThreshold(FaceDetectConstant.DEFAULT_CONFIDENCE_THRESHOLD);//只返回相似度大于该值的人脸
-        config.setNmsThresh(FaceDetectConstant.NMS_THRESHOLD);//用于去除重复的人脸框，当两个框的重叠度超过该值时，只保留一个
-        config.setDevice(device);
+        config.setModelPath("/Users/wenjie/Documents/develop/face_model");
+        //只返回相似度大于该值的人脸,需要根据实际情况调整，分值越大越严格容易漏检，分值越小越宽松容易误识别
+        config.setConfidenceThreshold(0.5f);
+        //用于去除重复的人脸框，当两个框的重叠度超过该值时，只保留一个
+        config.setNmsThresh(FaceDetectConstant.NMS_THRESHOLD);
         return FaceDetModelFactory.getInstance().getModel(config);
     }
 
     /**
-     * 获取人脸检测模型（高速模型，精度一般）
-     * 追求速度可以使用
-     * 也可以使用其他模型，具体其他模型参数可以查看文档：http://doc.smartjavaai.cn/face.html
+     * 获取人脸检测模型（高精度模型）
+     * 注意事项：
+     * 1、高精度模型，识别准确度高，速度慢
+     * 2、具体其他模型参数可以查看文档：http://doc.smartjavaai.cn/face.html
      * @return
      */
-    public FaceDetModel getHighSpeedDetModel(){
+    public FaceDetModel getProFaceDetModel(){
         FaceDetConfig config = new FaceDetConfig();
-        //高速模型，速度快，精度一般
-        config.setModelEnum(FaceDetModelEnum.SEETA_FACE6_MODEL);
+        //人脸检测模型，SmartJavaAI提供了多种模型选择(更多模型，请查看文档)，切换模型需要同时修改modelEnum及modelPath
+        config.setModelEnum(FaceDetModelEnum.RETINA_FACE);
         //下载模型并替换本地路径，下载地址：https://pan.baidu.com/s/10l22x5fRz_gwLr8EAHa1Jg?pwd=1234 提取码: 1234
-        config.setModelPath("/Users/xxx/Documents/develop/model/sf3.0_models");
-        config.setDevice(device);
+        config.setModelPath("/Users/wenjie/Documents/develop/face_model/retinaface.pt");
+        //只返回相似度大于该值的人脸,需要根据实际情况调整，分值越大越严格容易漏检，分值越小越宽松容易误识别
+        config.setConfidenceThreshold(0.5f);
+        //用于去除重复的人脸框，当两个框的重叠度超过该值时，只保留一个
+        config.setNmsThresh(FaceDetectConstant.NMS_THRESHOLD);
         return FaceDetModelFactory.getInstance().getModel(config);
     }
 
+    /**
+     * 获取人脸检测模型（极速模型）
+     * 注意事项：
+     * 1、极速模型，识别准确度低，速度快
+     * 2、具体其他模型参数可以查看文档：http://doc.smartjavaai.cn/face.html
+     * @return
+     */
+    public FaceDetModel getFastFaceDetModel(){
+        FaceDetConfig config = new FaceDetConfig();
+        //人脸检测模型，SmartJavaAI提供了多种模型选择(更多模型，请查看文档)，切换模型需要同时修改modelEnum及modelPath
+        config.setModelEnum(FaceDetModelEnum.YOLOV5_FACE_320);
+        //下载模型并替换本地路径，下载地址：https://pan.baidu.com/s/10l22x5fRz_gwLr8EAHa1Jg?pwd=1234 提取码: 1234
+        config.setModelPath("/Users/wenjie/Documents/develop/face_model/yolo-face/yolov5face-n-0.5-320x320.onnx");
+        //只返回相似度大于该值的人脸,需要根据实际情况调整，分值越大越严格容易漏检，分值越小越宽松容易误识别
+        config.setConfidenceThreshold(0.5f);
+        //用于去除重复的人脸框，当两个框的重叠度超过该值时，只保留一个
+        config.setNmsThresh(FaceDetectConstant.NMS_THRESHOLD);
+        return FaceDetModelFactory.getInstance().getModel(config);
+    }
+
+
     /**
      * 获取人脸识别模型（高精度，速度慢）
      * 追求准确度可以使用
@@ -97,14 +123,14 @@ public class FaceRecDemo {
         //高精度模型，速度慢
         config.setModelEnum(FaceRecModelEnum.ELASTIC_FACE_MODEL);
         //模型路径，请下载模型并替换为本地路径：https://pan.baidu.com/s/10l22x5fRz_gwLr8EAHa1Jg?pwd=1234 提取码: 1234
-        config.setModelPath("/Users/xxx/Documents/develop/model/elasticface.pt");
+        config.setModelPath("/Users/wenjie/Documents/develop/model/elasticface.pt");
         //裁剪人脸：如果图片已经是裁剪过的，则请将此参数设置为false
         config.setCropFace(true);
         //开启人脸对齐：适用于人脸不正的场景，开启将提升人脸特征准确度，关闭可以提升性能
         config.setAlign(true);
         config.setDevice(device);
         //指定人脸检测模型
-        config.setDetectModel(getHighAccuracyDetModel());
+        config.setDetectModel(getProFaceDetModel());
         return FaceRecModelFactory.getInstance().getModel(config);
     }
 
@@ -126,7 +152,7 @@ public class FaceRecDemo {
         config.setAlign(false);
         config.setDevice(device);
         //指定人脸检测模型
-        config.setDetectModel(getHighSpeedDetModel());
+        config.setDetectModel(getFastFaceDetModel());
         return FaceRecModelFactory.getInstance().getModel(config);
     }
 
@@ -137,14 +163,14 @@ public class FaceRecDemo {
     public FaceRecModel getFaceRecModelWithDbConfig(){
         FaceRecConfig config = new FaceRecConfig();
         //高精度模型，速度慢,追求速度请更换高速模型，具体其他模型参数可以查看文档：http://doc.smartjavaai.cn/face.html
-        config.setModelEnum(FaceRecModelEnum.ELASTIC_FACE_MODEL);//人脸检测模型
+        config.setModelEnum(FaceRecModelEnum.ELASTIC_FACE_MODEL);//人脸识别模型
         config.setModelPath("/Users/xxx/Documents/develop/model/elasticface.pt");
         //裁剪人脸：如果图片已经是裁剪过的，则请将此参数设置为false
         config.setCropFace(true);
         //开启人脸对齐：适用于人脸不正的场景，开启将提升人脸特征准确度，关闭可以提升性能
         config.setAlign(true);
-        //指定人脸检测模型，高精度模型，速度慢,追求速度请更换高速模型getHighSpeedDetModel
-        config.setDetectModel(getHighAccuracyDetModel());
+        //指定人脸检测模型，可切换人脸检测模型（极速：getFastFaceDetModel，高精度：getProFaceDetModel），具体其他模型参数可以查看文档：http://doc.smartjavaai.cn/face.html
+        config.setDetectModel(getFaceDetModel());
         config.setDevice(device);
 
         //初始化向量数据库：Milvus数据库配置
@@ -175,8 +201,8 @@ public class FaceRecDemo {
         config.setCropFace(true);
         //开启人脸对齐：适用于人脸不正的场景，开启将提升人脸特征准确度，关闭可以提升性能
         config.setAlign(true);
-        //指定人脸检测模型，高精度模型，速度慢,追求速度请更换高速模型getHighSpeedDetModel
-        config.setDetectModel(getHighAccuracyDetModel());
+        //指定人脸检测模型，可切换人脸检测模型（极速：getFastFaceDetModel，高精度：getProFaceDetModel），具体其他模型参数可以查看文档：http://doc.smartjavaai.cn/face.html
+        config.setDetectModel(getFaceDetModel());
         config.setDevice(device);
 
         //初始化SQLite数据库

examples/face-example/src/main/java/smartai/examples/face/liveness/LivenessDetDemo.java

@@ -80,7 +80,7 @@ public class LivenessDetDemo {
         config.setModelEnum(LivenessModelEnum.IIC_FL_MODEL);
         config.setDevice(device);
         //需替换为实际模型存储路径
-        config.setModelPath("/Users/xxx/Documents/develop/model/anti/IIC_Fl.onnx");
+        config.setModelPath("/Users/wenjie/Documents/develop/model/anti/IIC_Fl.onnx");
         //人脸活体阈值,可选,默认0.8，超过阈值则认为是真人，低于阈值是非活体
         config.setRealityThreshold(LivenessConstant.DEFAULT_REALITY_THRESHOLD);
         /*视频检测帧数，可选，默认10，输出帧数超过这个number之后，就可以输出识别结果。
@@ -122,15 +122,21 @@ public class LivenessDetDemo {
 
 
     /**
-     * 获取人脸检测模型
+     * 获取人脸检测模型（均衡模型）
+     * 均衡模型：兼顾速度和精度
+     * 注意事项：SmartJavaAI提供了多种模型选择(更多模型，请查看文档)，切换模型需要同时修改modelEnum及modelPath
      * @return
      */
     public FaceDetModel getFaceDetModel(){
         FaceDetConfig config = new FaceDetConfig();
-        config.setModelEnum(FaceDetModelEnum.RETINA_FACE);//人脸检测模型
-        config.setConfidenceThreshold(FaceDetectConstant.DEFAULT_CONFIDENCE_THRESHOLD);//只返回相似度大于该值的人脸
-        config.setNmsThresh(FaceDetectConstant.NMS_THRESHOLD);//用于去除重复的人脸框，当两个框的重叠度超过该值时，只保留一个
-        config.setDevice(device);
+        //人脸检测模型，SmartJavaAI提供了多种模型选择(更多模型，请查看文档)，切换模型需要同时修改modelEnum及modelPath
+        config.setModelEnum(FaceDetModelEnum.MTCNN);
+        //下载模型并替换本地路径，下载地址：https://pan.baidu.com/s/10l22x5fRz_gwLr8EAHa1Jg?pwd=1234 提取码: 1234
+        config.setModelPath("/Users/wenjie/Documents/develop/face_model");
+        //只返回相似度大于该值的人脸,需要根据实际情况调整，分值越大越严格容易漏检，分值越小越宽松容易误识别
+        config.setConfidenceThreshold(0.5f);
+        //用于去除重复的人脸框，当两个框的重叠度超过该值时，只保留一个
+        config.setNmsThresh(FaceDetectConstant.NMS_THRESHOLD);
         return FaceDetModelFactory.getInstance().getModel(config);
     }
 

examples/objectdetection-example/pom.xml

@@ -101,7 +101,7 @@
         <dependency>
             <groupId>ai.djl.pytorch</groupId>
             <artifactId>pytorch-jni</artifactId>
-            <version>2.5.1-0.32.0</version>
+            <version>2.7.1-0.34.0</version>
             <scope>runtime</scope>
         </dependency>
 
@@ -138,7 +138,7 @@
             <groupId>ai.djl.pytorch</groupId>
             <artifactId>pytorch-native-cpu</artifactId>
             <classifier>${djl.platform.windows-x86_64}</classifier>
-            <version>2.5.1</version>
+            <version>2.7.1</version>
             <scope>runtime</scope>
         </dependency>
 
@@ -176,7 +176,7 @@
             <groupId>ai.djl.pytorch</groupId>
             <artifactId>pytorch-native-cpu</artifactId>
             <classifier>${djl.platform.linux-x86_64}</classifier>
-            <version>2.5.1</version>
+            <version>2.7.1</version>
             <scope>runtime</scope>
         </dependency>
 
@@ -213,7 +213,7 @@
             <groupId>ai.djl.pytorch</groupId>
             <artifactId>pytorch-native-cpu</artifactId>
             <classifier>${djl.platform.osx-aarch64}</classifier>
-            <version>2.5.1</version>
+            <version>2.7.1</version>
             <scope>runtime</scope>
         </dependency>
 
@@ -251,7 +251,7 @@
             <groupId>ai.djl.pytorch</groupId>
             <artifactId>pytorch-native-cpu-precxx11</artifactId>
             <classifier>${djl.platform.linux-aarch64}</classifier>
-            <version>2.5.1</version>
+            <version>2.7.1</version>
             <scope>runtime</scope>
         </dependency>
 

examples/ocr-examples/pom.xml

@@ -103,7 +103,7 @@
         <dependency>
             <groupId>ai.djl.pytorch</groupId>
             <artifactId>pytorch-jni</artifactId>
-            <version>2.5.1-0.32.0</version>
+            <version>2.7.1-0.34.0</version>
             <scope>runtime</scope>
         </dependency>
 
@@ -140,7 +140,7 @@
             <groupId>ai.djl.pytorch</groupId>
             <artifactId>pytorch-native-cpu</artifactId>
             <classifier>${djl.platform.windows-x86_64}</classifier>
-            <version>2.5.1</version>
+            <version>2.7.1</version>
             <scope>runtime</scope>
         </dependency>
 
@@ -178,7 +178,7 @@
             <groupId>ai.djl.pytorch</groupId>
             <artifactId>pytorch-native-cpu</artifactId>
             <classifier>${djl.platform.linux-x86_64}</classifier>
-            <version>2.5.1</version>
+            <version>2.7.1</version>
             <scope>runtime</scope>
         </dependency>
 
@@ -215,7 +215,7 @@
             <groupId>ai.djl.pytorch</groupId>
             <artifactId>pytorch-native-cpu</artifactId>
             <classifier>${djl.platform.osx-aarch64}</classifier>
-            <version>2.5.1</version>
+            <version>2.7.1</version>
             <scope>runtime</scope>
         </dependency>
 
@@ -253,7 +253,7 @@
             <groupId>ai.djl.pytorch</groupId>
             <artifactId>pytorch-native-cpu-precxx11</artifactId>
             <classifier>${djl.platform.linux-aarch64}</classifier>
-            <version>2.5.1</version>
+            <version>2.7.1</version>
             <scope>runtime</scope>
         </dependency>
 

examples/translation-example/pom.xml

@@ -101,7 +101,7 @@
         <dependency>
             <groupId>ai.djl.pytorch</groupId>
             <artifactId>pytorch-jni</artifactId>
-            <version>2.5.1-0.32.0</version>
+            <version>2.7.1-0.34.0</version>
             <scope>runtime</scope>
         </dependency>
 
@@ -112,7 +112,7 @@
             <groupId>ai.djl.pytorch</groupId>
             <artifactId>pytorch-native-cpu</artifactId>
             <classifier>${djl.platform.windows-x86_64}</classifier>
-            <version>2.5.1</version>
+            <version>2.7.1</version>
             <scope>runtime</scope>
         </dependency>
 
@@ -124,7 +124,7 @@
             <groupId>ai.djl.pytorch</groupId>
             <artifactId>pytorch-native-cpu</artifactId>
             <classifier>${djl.platform.linux-x86_64}</classifier>
-            <version>2.5.1</version>
+            <version>2.7.1</version>
             <scope>runtime</scope>
         </dependency>
 
@@ -134,7 +134,7 @@
             <groupId>ai.djl.pytorch</groupId>
             <artifactId>pytorch-native-cpu</artifactId>
             <classifier>${djl.platform.osx-aarch64}</classifier>
-            <version>2.5.1</version>
+            <version>2.7.1</version>
             <scope>runtime</scope>
         </dependency>
 
@@ -145,7 +145,7 @@
             <groupId>ai.djl.pytorch</groupId>
             <artifactId>pytorch-native-cpu-precxx11</artifactId>
             <classifier>${djl.platform.linux-aarch64}</classifier>
-            <version>2.5.1</version>
+            <version>2.7.1</version>
             <scope>runtime</scope>
         </dependency>