🍬JAVA轻量级深度学习算法库，该库致力于构建Java生态与AI模型之间的高效桥梁
📚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 算法工具包，致力于帮助Java开发者高效集成各类智能算法。SmartJavaAI通过对多种主流算法的统一封装，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。目前已支持部分人脸识别与目标检测算法，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，最终将构建一个面向 Java 开发者的通用智能工具库。
🚀 核心亮点
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
-
⚙️ 现有算法方案分散杂乱，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 - 当前支持人脸识别与目标检测，未来将陆续支持 OCR、图像分类、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）
🌟 AI集成方式对比
| 方案 | 技术特点 | 优点 | 缺点 |
|---|---|---|---|
| OpenCV | 传统图像处理方案 | ✅ 提供java接口 ✅ 轻量级部署 ✅ 社区资源丰富 |
❌ 基于传统算法精度低(60%-75%) ❌ 需本地安装环境 |
| 虹软SDK | 商业级闭源解决方案 | ✅ 开箱即用 ✅ 提供完整文档和SDK ✅ 支持离线活体检测 |
❌ 免费版需年度授权更新 ❌ 商业授权费用高 ❌ 代码不可控 |
| 云API(阿里云) | SaaS化云端服务 | ✅ 零部署成本 ✅ 支持高并发 ✅ 自带模型迭代 |
❌ 网络延迟风险(200-800ms) ❌ 按调用量计费 ❌ 有数据安全风险 |
| Python混合调用 | 跨语言调用方案 | ✅ 可集成PyTorch/TF等框架 ✅ 支持自定义算法 ✅ 识别精度高 |
❌ 需维护双语言环境 ❌ 进程通信性能损耗(30%+) ❌ 异常处理复杂度翻倍 |
| DJL框架 | 深度学习框架 | ✅ 纯Java实现 ✅ 支持主流深度学习框架 ✅ 可加载预训练模型(99%+) |
❌ 需掌握DL知识 ❌ 需处理模型加载、预处理、后处理等复杂技术细节 |
| SmartJavaAI | java深度学习工具包 | ✅ 支持主流深度学习框架 ✅ 提供丰富、开箱即用API ✅ 上手简单，单一Jar包集成 |
❌要求JDK版本11及以上 |
📌 支持功能
✅ 已实现功能
- 人脸检测
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 - 目标检测 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
- OCR文字识别
即将支持身份证/银行卡/车牌等关键信息提取 - 图像分割
- 语音识别
基于Transformer的语音转文本引擎，支持中文/英文多语种识别
🛠️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 |
| smartjavaai-seetaface6-lib | seetaface6人脸算法JNI接口封装 |
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
在项目的pom.xml的dependencies中加入以下内容（全部功能），也可以根据需求对每个模块单独引入:
<dependency>
<groupId>ink.numberone</groupId>
<artifactId>smartjavaai-all</artifactId>
<version>1.0.8</version>
</dependency>
3、人脸检测运行流程
如果在有网环境下使用，不需要下载模型(SeetaFace6模型除外)
| 模型名称 | 下载地址 | 文件大小 | 适用场景 | 兼容系统 |
|---|---|---|---|---|
| retinaface | 下载 | 110MB | 高精度人脸检测 | Windows/Linux/MacOS |
| ultralightfastgenericface | 下载 | 1.7MB | 高速人脸检测 | Windows/Linux/MacOS |
| seetaface6 | 下载 | 288MB | 人脸检测、人脸比对、人脸库注册、人脸库查询 | Windows |
| facenet | 下载 | 104MB | 人脸特征提取、人脸比对 | Windows/Linux/MacOS |
（2）人脸库下载（使用人脸库相关功能：人脸注册、人脸查询）
目前仅SeetaFace6人脸算法支持人脸库注册，查询等功能，所以只有使用SeetaFace6模型时才需要下载face.db，face.db 是 一个SQLite 数据库，程序启动并使用相关功能时会自动操作该数据库，用于存储人脸特征数据及其对应的唯一标识 Key，支持后续的人脸注册、查询和比对等操作。
下载链接: https://pan.baidu.com/s/1DzE1rDkFnjEXQbIasIdFrA?pwd=1234 提取码: 1234
（3）下载示例代码
https://gitee.com/dengwenjie/SmartJavaAI-Demo
📁 src/main/java/smartai/examples/face
└── 📄RetinaFaceDemo.java （人脸模型：RetinaFace示例代码）
└── 📄LightFaceDemo （人脸模型：UltraLightFastGenericFaceModel示例代码）
└── 📄SeetaFace6Demo.java （人脸模型：SeetaFace6示例代码）
└── 📄FaceNetDemo.java （人脸模型：FaceNet示例代码）
（4）离线使用方法
程序首次运行时，会自动下载所需的底层依赖库到默认的缓存路径。不同操作系统的默认缓存路径如下：
{user}需要替换成您当前登录的用户名
| 依赖库及缓存目录 | |
|---|---|
| windows | C:/Users/{user}/.djl.ai |
| linux | /home/{user}/.djl.ai |
| macos | /Users/{user}/.djl.ai |
对于需要在离线环境中使用的情况，可以在联网环境中运行程序一次，确保所需的依赖库已下载。然后，将上述缓存目录复制到离线环境中相同的路径下，即可实现离线使用。
请注意，SeetaFace6 默认支持离线使用，无需上述操作即可在离线环境中运行。
4、目标检测运行流程
（1）下载示例代码
https://gitee.com/dengwenjie/SmartJavaAI-Demo
📁 src/main/java/smartai/examples/objectdetection
└── 📄ObjectDetection.java （目标检测示例代码）
5、运行设备
默认将使用CPU运行模型，如果需要使用GPU，需要在创建模型接口中手动指定运行设备
GPU中运行需要满足如下条件：
（1）安装CUDA v12.4及cuDNN v8.9.7
（2）将缓存目录加入到环境变量中，并删除其他cuda环境变量
windows配置如下：
（3）示例代码：
FaceModelConfig config = new FaceModelConfig();
config.setModelEnum(FaceModelEnum.RETINA_FACE);//人脸模型
config.setDevice(DeviceEnum.GPU);//指定GPU
FaceModel faceModel = FaceModelFactory.getInstance().getModel(config);
🙏 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！ ❤️
更新日志
[v1.0.8] - 2025-04-13
- 新增目标检测功能
- 模型调用接口统一封装
- 修复若干已知问题
- 支持自定义选择使用 GPU 或 CPU 运算
- 人脸识别模块新增多种接口，功能更加完善
[v1.0.6] - 2025-04-01
- 修复人脸识别算法facenet-pytorch实现方式
- 优化Seetaface6算法，兼容jdk高版本