Segmentazione e rilevamento facciale
In precedenza, hai imparato come rendere i processi più efficienti dal punto di vista computazionale con la segmentazione non supervisionata in superpixel. In questo esercizio, farai proprio questo!
Usando la funzione slic() per la segmentazione, pre-elabora l'immagine prima di passarla al rilevatore facciale.
profile_image.La classe Cascade, la funzione slic() dal modulo segmentation e la funzione show_detected_face() per la visualizzazione sono già state importate. Il rilevatore è già inizializzato e pronto all'uso come detector.
Questo esercizio fa parte del corso
Elaborazione di immagini in Python
Istruzioni dell'esercizio
- Applica la segmentazione in superpixel e ottieni i segmenti, detti anche etichette, usando
slic(). - Ottieni l'immagine segmentata usando
label2rgb(), passandosegmentseprofile_image. - Rileva i volti usando il rilevatore con il metodo multi-scale.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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)