ComeçarComece gratuitamente

Segmentação e detecção de faces

Anteriormente, você aprendeu como tornar os processos mais eficientes do ponto de vista computacional com a segmentação não supervisionada de superpixels. Neste exercício, você fará exatamente isso!

Usando a função slic() para segmentação, pré-processe a imagem antes de passá-la para o detector de faces. 

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

Imagem pré-carregada como profile_image.

A classe Cascade, a função slic() do módulo segmentation e a função show_detected_face() para visualização já foram importadas. O detector já está inicializado e pronto para ser usado como detector.

Este exercício faz parte do curso

Processamento de imagens em Python

Ver Curso

Instruções de exercício

  • Aplique a segmentação de superpixel e obtenha os segmentos, também conhecidos como rótulos, usando slic().
  • Obtenha a imagem segmentada usando label2rgb(), passando por segments e profile_image.
  • Detectar os rostos, usando o detector com o método de várias escalas.

Exercício interativo prático

Experimente este exercício preenchendo este código de exemplo.

# 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 e executar código