Segmentacja i wykrywanie twarzy
Wcześniej poznałeś sposób na zwiększenie wydajności obliczeniowej dzięki nienadzorowanej segmentacji superpikselowej. W tym ćwiczeniu właśnie to zastosujesz w praktyce!
Użyj funkcji slic() do segmentacji, aby wstępnie przetworzyć obraz przed przekazaniem go do detektora twarzy.
profile_image.Klasa Cascade, funkcja slic() z modułu segmentation oraz funkcja show_detected_face() służąca do wizualizacji zostały już zaimportowane. Detektor jest już zainicjalizowany i gotowy do użycia jako detector.
To ćwiczenie jest częścią kursu
Przetwarzanie obrazów w Pythonie
Instrukcje do ćwiczenia
- Zastosuj segmentację superpikselową i uzyskaj segmenty, czyli etykiety, za pomocą
slic(). - Uzyskaj obraz po segmentacji, używając
label2rgb()i przekazującsegmentsorazprofile_image. - Wykryj twarze, używając detektora z metodą wieloskalową.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)