ComenzarEmpieza gratis

Segmentación y detección de caras

Anteriormente, aprendiste a hacer los procesos más eficientes computacionalmente con la segmentación de superpíxeles no supervisada. En este ejercicio, ¡harás precisamente eso!

Utilizando la función slic() para la segmentación, preprocesa la imagen antes de pasarla al detector de caras. 

<img src="https://assets.datacamp.com/production/repositories/4470/datasets/dfd1efd8ce38ebd4b7a3d176c6d51c58df2609f6/face_det9.jpg" width=30% alt="Selfie de mujer joven" />

Imagen precargada como imagen_de_perfil.

Ya se han importado la clase Cascade, la función slic() del módulo segmentation y la función show_detected_face() para la visualización. El detector ya está inicializado y listo para ser utilizado como detector.

Este ejercicio forma parte del curso

Procesado de imágenes en Python

Ver curso

Instrucciones del ejercicio

  • Aplica la segmentación de superpíxeles y obtén los segmentos o etiquetas mediante slic().
  • Obtén la imagen segmentada utilizando label2rgb(), pasando por segments y profile_image.
  • Detecta las caras, utilizando el detector con el método multiescala.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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)
Editar y ejecutar código