CommencerCommencer gratuitement

Segmentation et détection de visages

Vous avez vu précédemment comment rendre des traitements plus efficaces en calcul grâce à la segmentation non supervisée en superpixels. Dans cet exercice, vous allez mettre cela en pratique !

En utilisant la fonction slic() pour la segmentation, prétraitez l’image avant de la passer au détecteur de visages.

Young woman selfie
Image préchargée sous le nom profile_image.

La classe Cascade, la fonction slic() du module segmentation et la fonction show_detected_face() pour la visualisation ont déjà été importées. Le détecteur est déjà initialisé et prêt à l’emploi sous le nom detector.

Cet exercice fait partie du cours

Traitement d’images en Python

Afficher le cours

Instructions

  • Appliquez la segmentation en superpixels et obtenez les segments (a.k.a. labels) avec slic().
  • Obtenez l’image segmentée avec label2rgb(), en passant segments et profile_image.
  • Détectez les visages à l’aide du détecteur avec la méthode multi-échelle.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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)
Modifier et exécuter le code