LoslegenKostenlos starten

Segmentierung und Gesichtserkennung

Zuvor hast du gelernt, wie du Prozesse mit unüberwachter Superpixel-Segmentierung effizienter machst. In dieser Übung setzt du das direkt um!

Verwende die Funktion slic() zur Segmentierung, um das Bild vorzuverarbeiten, bevor du es an den Gesichtserkenner übergibst.

Young woman selfie
Bild als profile_image vorgeladen.

Die Klasse Cascade, die Funktion slic() aus dem Modul segmentation und die Funktion show_detected_face() zur Visualisierung wurden bereits importiert. Der Detektor ist bereits initialisiert und als detector einsatzbereit.

Diese Übung ist Teil des Kurses

<Kurs>Bildverarbeitung mit Python</Kurs>
Kurs ansehen

Übungsanweisungen

  • Führe eine Superpixel-Segmentierung durch und erhalte die Segmente bzw. die Labels mithilfe von slic().
  • Erzeuge das segmentierte Bild mit label2rgb(), indem du segments und profile_image übergibst.
  • Erkenne die Gesichter mit dem Detektor unter Verwendung der Multi-Scale-Methode.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Obtain the segmentation with default 100 regions
segments = ____

# Obtain segmented image using label2rgb
segmented_image = ____(____, ____, kind='avg')

# Detect the faces with multi scale method
detected = detector.____(img=____, 
                                       scale_factor=1.2, 
                                       step_ratio=1, 
                                       min_size=(10, 10), max_size=(1000, 1000))

# Show the detected faces
show_detected_face(segmented_image, detected)
Code bearbeiten und ausführen