Aan de slagGa gratis aan de slag

Segmentatie en gezichtsdetectie

Eerder leerde je hoe je processen rekentechnisch efficiënter maakt met ongesuperviseerde superpixelsegmentatie. In deze oefening ga je dat toepassen!

Gebruik de functie slic() voor segmentatie om de afbeelding te pre-processen voordat je deze doorgeeft aan de gezichtsdetector.

Selfie van jonge vrouw
Afbeelding vooraf geladen als profile_image.

De klasse Cascade, de functie slic() uit de module segmentation en de functie show_detected_face() voor visualisatie zijn al geïmporteerd. De detector is al geïnitialiseerd en klaar voor gebruik als detector.

Deze oefening maakt deel uit van de cursus

Beeldverwerking in Python

Cursus bekijken

Oefeninstructies

  • Pas superpixelsegmentatie toe en verkrijg de segmenten, oftewel de labels, met slic().
  • Maak de gesegmenteerde afbeelding met label2rgb() door segments en profile_image door te geven.
  • Detecteer de gezichten met de detector via de multi-scale methode.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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 bewerken en uitvoeren