PhotoExhibition 是一个优雅的在线摄影作品展示平台，专为摄影师和摄影爱好者设计。通过智能AI技术，将您的摄影作品以美观、易用的方式在线发布和分享。
- 优雅展示：精心设计的界面，将您的摄影作品以最佳方式呈现
- 智能组织：AI自动识别和分类照片，让浏览体验更加流畅自然
- 快速分享：一键发布相册，随时随地与朋友和家人分享精彩瞬间
- 专业品质：支持高清预览、EXIF信息展示，展现专业摄影水准
- 人脸检测：基于 RetinaFace ONNX 模型，支持置信度、面积、长宽比等多重过滤
- 人脸识别：集成 R50/R100 嵌入模型，生成 512 维人脸特征向量
- 智能聚类：多层阈值聚类算法，自动聚合相似人脸，支持人工确认与干预
- 场景感知：基于路径层级的相似度阈值调整，优化套图场景识别
- 自动标注：AI 自动为照片添加相关标签，便于浏览和搜索
- 场景识别：智能识别照片场景类型（婚礼、毕业典礼、生日派对、旅行等）
- 情感分析：基于图像特征分析照片传达的情感色彩（快乐、悲伤、温暖、安宁等）
- 相似照片搜索：多维度相似性匹配（颜色、标签、人脸、相册），智能推荐相似照片
- 深度内容理解：结合场景、情感等多重AI分析，提供更丰富的照片洞察
PhotoExhibition 集成了AI图像分析技术，为每张照片提供专业级的质量评估和改进建议。
- 技术质量评分 (40%)：分辨率、EXIF信息、色彩分析、ISO优化
- 构图美学评分 (35%)：黄金比例、焦点位置、显著性检测、规则构图
- 主题吸引力评分 (25%)：场景吸引力、人脸检测、标签丰富度、情感共鸣
- 全面质量评估：三大维度综合评分
- 优点与不足识别：自动分析照片的强项和改进空间
- 个性化改进建议：基于AI分析提供针对性拍摄建议
- 实时评分展示：照片查看器中直观显示评分结果
- 批量评分处理：后台异步分析海量照片
- 本地化处理：ONNX Runtime本地推理，无网络依赖
- 异步处理：后台批量分析，不影响用户体验
- 智能缓存：Redis缓存，提升响应速度
- 降级策略：ONNX不可用时自动使用基础评分算法
- 智能聚类算法：基于 RetinaFace + InsightFace，支持多层阈值聚类（0.1-0.9 可调）
- 双面板界面：
- 左侧：自适应网格显示人物和聚类，支持拖拽调整宽度
- 右侧：四级标签页（已确认/相似推荐/套图推荐/未分配）
- 交互功能：就地编辑姓名、相似人物推荐、一键合并、备注管理
- 套图推荐：基于同一文件夹的场景感知匹配
- 隐私保护：支持对敏感内容进行适当的管理
- 三级缩略图系统：400×400（封面）/800×800（瀑布流）/1920×1920（高清预览）
- 智能压缩：WebP 格式 + 自适应质量控制，平衡文件大小与视觉质量
- 色彩分析：自动提取主色调和色彩调色板，支持色彩相似性搜索
- 三类展示模式：
- 相册网格：智能封面拼图（左侧竖图 + 右侧上下横图）
- 瀑布流：响应式布局（1-4列自适应），无限滚动加载
- 随机模式：质量筛选的高分照片推荐
- 多维度筛选：标签/EXIF/色彩/质量组合筛选，实时预览
人物详情页引入创新的交互式抠图展示功能：
- AI智能抠图：本地ONNX模型自动分离人物主体与背景
- 同步放大动画：背景层与抠图层同步放大，视觉流畅
- 主体展开显示：抠图层自动展开显示完整画面，背景保持裁切，两层始终中心对齐
- 层级保护：悬停时提升层级防止遮挡，移开后保持至动画结束
- 性能优化：异步处理抠图请求，支持预加载和缓存
- 智能聚合：支持父子相册合并显示，自动统计和层级管理
- 氛围特效系统：
- 基于标签自动生成视觉特效
- 樱花飘落、雪花纷飞、烟花绽放、流星划过等主题
- 自定义背景色、前景色和特效配置
- 智能封面生成：自动选择高质量照片作为封面
- 自动分类：基于文件夹路径智能分类，第一级目录作为大类分组
- 智能标签提取：基于文件夹路径自动生成，过滤日期前缀
- 管理界面：网格布局 + 实时搜索 + 批量操作 + 键盘导航
- 编辑功能：就地编辑 + 颜色自定义 + 统计信息展示
- 主题发现：帮您发现照片中的共同主题和拍摄系列
- Spring Boot 2.7 + Java 11 + MySQL 8.0 + Redis 7.0
- AI 集成：ONNX Runtime + RetinaFace + InsightFace + 图像质量评估模型
- 架构模式：Controller → Service → Repository 分层架构
- Vue 3 + TypeScript + Vite + Tailwind CSS
- 状态管理：Pinia + Vue Router
- UI 组件：响应式设计 + 动画系统
- 缓存优化：Redis 多级缓存，提升响应速度
- 异步处理：照片扫描、人脸识别等重任务后台执行
- 智能索引：基于 contentHash 和 pathHash 的去重机制
- 分页加载：支持海量照片的高效分页查询
- 日志监控：完整的日志系统和性能监控
PhotoExhibition 在数据处理层面做了深度优化，确保在面对海量照片时依然保持流畅的用户体验。
人物相似度计算优化
在相似推荐和未分配人脸列表的计算中，系统采用多层次优化策略：
- 计算结果缓存：首次访问时计算并缓存人物与所有未分配人脸的相似度列表，后续访问直接命中缓存，响应时间从秒级降至毫秒级
- 缓存失效机制：当未分配人脸总数发生变化时自动失效，确保数据一致性
- 并发控制：使用细粒度锁防止重复计算，多人同时访问时只触发一次计算
- 并行计算：利用多核CPU并行处理向量相似度，显著缩短首次计算时间
向量计算加速
- 范数预计算：在相似度计算前预先计算目标向量的范数，避免重复的平方根运算
- 批量数据加载：通过自定义JPQL查询一次性加载所有已确认人物的人脸数据，将N次数据库查询减少为1次
- 懒加载规避：使用预加载关联（FETCH JOIN）避免N+1查询问题
前端按需加载
- Tab页按需初始化：相似推荐、未分配等Tab首次切换时才加载数据，减少首页渲染时间
- 状态记忆：已加载的Tab数据在有效期内保持，避免重复请求
- 渐进式展示：加载过程有明确的视觉反馈，操作可预期
- 多点触控支持：双指缩放和旋转，单指拖拽移动，滚轮缩放控制
- 智能缩放模式：自适应屏幕尺寸，保持宽高比的裁剪，焦点区域高亮
- 键盘快捷键：
←/→切换照片，Esc关闭，F全屏，I信息面板 - 信息展示：完整的 EXIF 信息、焦点框显示、人脸识别框标注
- 查看原图：智能切换缩略图与原图显示
- AI增强信息：场景分类、情感分析结果展示
- AI智能评分：专业质量评估、优点不足分析、个性化改进建议
- 相似照片推荐：一键查看基于AI分析的相似照片，发现更多精彩瞬间
- FLIP 过渡动画：从缩略图到 PhotoViewer 的无缝缩放
- 瀑布流动画：响应式列数切换（1-4列），渐进式图片加载
- 交互反馈：按钮悬停效果、卡片动画、复选框微交互
- 响应式设计：毛玻璃特效、主题切换动画、自适应布局
# 1. 获取项目
git clone https://github.com/your-repo/photoexhibition.git
cd photoexhibition
# 2. 组织您的照片文件
mkdir -p data/photos
# 建议的文件结构：
# data/photos/
# ├── 人像/
# │ ├── 2024.01.15 张三生日聚会/
# │ │ ├── IMG_0001.jpg
# │ │ └── IMG_0002.jpg
# │ └── 2024.02.20 李四毕业照/
# │ ├── IMG_0003.jpg
# │ └── IMG_0004.jpg
# ├── 风景/
# │ ├── 2024.03.10 樱花季/
# │ └── 2024.04.05 海边日出/
# └── 活动/
# ├── 2024.05.01 五一劳动节/
# └── 2024.06.15 端午节龙舟赛/
# 3. 一键启动
docker-compose up -d
# 4. 开始浏览
# 打开浏览器访问: http://localhost:3030
# 默认管理员账户: admin / admin123为了获得最佳的展示效果，请按以下结构组织您的照片：
data/photos/
├── [分类文件夹]/ # 如：人像、风景、活动、旅行等
│ ├── [时间] [相册名称]/ # 如：2024.01.15 张三生日聚会
│ │ ├── photo1.jpg # 照片文件
│ │ ├── photo2.jpg
│ │ └── ...
│ └── [时间] [另一个相册]/
│ └── ...
└── ...
- 分类文件夹：使用描述性的名称，如
人像、风景、活动、旅行等 - 相册文件夹：格式为
YYYY.MM.DD 相册描述，日期前缀会被自动识别和剥离 - 照片文件：支持 JPG、PNG、WebP、TIFF 等常见格式
- 保持分类清晰，便于浏览和查找
- 使用有意义的相册名称，方便快速识别内容
- 同一场景的照片建议放在同一个相册中
- 系统会自动识别文件夹结构并生成相应的分类和标签
- 照片路径:
photo.scan.base-path- 照片存储目录 - 人脸识别:
face.detection.confidence-threshold- 检测置信度阈值 - 聚类阈值:
face.clustering.min-threshold- 人脸聚类相似度阈值 - 缩略图尺寸: 三级缩略图系统（400×400/800×800/1920×1920）
- 场景识别:
ai.scene-recognition.enabled- 启用场景识别功能 - 情感分析:
ai.emotion-analysis.enabled- 启用情感分析功能 - AI评分:
ai.scoring.enabled- 启用AI智能评分功能 - 评分权重:
ai.scoring.technical-weight- 技术质量权重 (默认0.40) - 构图权重:
ai.scoring.composition-weight- 构图美学权重 (默认0.35) - 吸引力权重:
ai.scoring.appeal-weight- 主题吸引力权重 (默认0.25) - 评分版本:
ai.scoring.version- 评分算法版本控制
项目支持多平台ONNX Runtime版本自动选择，以适应不同的部署环境和系统要求：
项目会根据操作系统和架构自动选择最适合的ONNX Runtime版本：
- macOS ARM64 (M1/M2/M3): 自动使用1.16.3版本
- macOS Intel: 使用1.8.1版本
- Windows Server 2012及更早: 强制使用1.8.1版本（兼容性）
- 现代Windows (Win10/11): 使用1.16.3版本
- Linux系统: 使用1.16.3版本
如果需要手动控制版本，可以使用以下方法：
# 1. 使用环境变量指定版本
ONNX_VERSION=1.8.1 mvn clean package
# 2. 使用Maven profile
mvn clean package -Plegacy-windows # 强制1.8.1版本
mvn clean package -Pmacos-arm64 # 强制1.16.3版本
# 3. 自定义版本
mvn clean package -Pcustom-onnx -Donnx.runtime.version=1.12.0REM 让系统自动选择（推荐）
start-backend.bat
REM 强制使用兼容版本（老服务器）
set MAVEN_OPTS=-Plegacy-windows
start-backend.bat
REM 指定特定版本
set ONNX_VERSION=1.8.1
start-backend.bat| 平台 | 推荐版本 | 最低版本 | 说明 |
|---|---|---|---|
| macOS ARM64 | 1.16.3 | 1.16.0 | 需要新版本支持 |
| macOS Intel | 1.8.1 | 1.8.0 | 兼容性良好 |
| Windows 10+ | 1.16.3 | 1.8.1 | 支持新特性 |
| Windows Server 2012 | 1.8.1 | 1.8.0 | 老系统兼容 |
| Linux | 1.16.3 | 1.8.1 | 性能优化 |
# 在macOS ARM64上自动选择1.16.3版本
mvn clean package # 会自动激活macos-arm64 profile
# 在Windows Server 2012上强制使用1.8.1版本
mvn clean package -Plegacy-windows
# 在任何平台上强制指定版本
mvn clean package -Pcustom-onnx -Donnx.runtime.version=1.12.0
# 查看当前激活的profile
mvn help:active-profiles
# GPU版本（如果有CUDA支持）
mvn clean package -Pgpu- CPU版本: Java 11+, 4GB+ RAM
- GPU版本: CUDA 11.0+, cuDNN, 独立显卡
- 推荐: 服务器环境使用CPU版本，开发环境可根据硬件选择
- 检查
photo.scan.base-path配置是否正确 - 确认文件权限设置
- 查看 Nginx 访问日志
- 调整检测置信度阈值
- 检查模型文件是否完整
- 验证 ONNX Runtime 版本兼容性
- 检查
ai.scoring.enabled配置是否为true - 验证 ONNX Runtime 是否正确安装和配置
- 查看应用启动日志中的AI评分初始化信息
- 检查数据库中是否有评分结果表记录
- 增加 JVM 内存分配
- 调整批处理大小
- 启用 Redis 缓存
需要本地安装 onnxruntime 库。
# 运行完整的ONNX Runtime诊断
curl -X POST http://localhost:6060/api/admin/diagnostics/onnx \
-H "Authorization: Bearer YOUR_TOKEN"
# 查看详细日志
tail -f logs/application.log# 测试 MySQL 连接
mysql -h localhost -P 3306 -u root -p photo_exhibition
# 测试 Redis 连接
redis-cli -h localhost -p 6379 ping系统日志位置：
- 应用日志：
logs/application.log - 错误日志：
logs/error.log - Docker 日志：
docker-compose logs -f backend
本项目采用 MIT License 开源许可证。
感谢以下开源项目的支持：
- Spring Boot: 企业级应用框架
- Vue.js: 渐进式前端框架
- InsightFace: 人脸识别算法
- ONNX Runtime: 深度学习推理引擎，支持AI评分和图像分析
- OpenCV: 计算机视觉算法库
- Tailwind CSS: 实用优先的 CSS 框架
- 项目主页: https://github.com/iwxyi/PhotoExhibition.git
- 反馈建议: 直接发Issues
- 邮箱: wxy@iwxyi.com
🚀 让每一张照片都被珍视，每一个瞬间都被铭记
Made with ❤️ by iwxyi