Kom igångKom igång gratis

Segmentering och ansiktsdetektering

Tidigare lärde du dig hur man gör processer mer beräkningseffektiva med oövervakad superpixelsegmentering. I den här övningen gör du precis det!

Använd funktionen slic() för segmentering för att förbehandla bilden innan du skickar den till ansiktsdetektor.

Young woman selfie
Bilden är förinläst som profile_image.

Klassen Cascade, funktionen slic() från modulen segmentation och funktionen show_detected_face() för visualisering har redan importerats. Detektorn är redan initierad och redo att användas som detector.

Den här övningen är en del av kursen

Bildbehandling i Python

Visa kurs

Övningsinstruktioner

  • Tillämpa superpixelsegmentering och hämta segmenten, även kallade etiketter, med hjälp av slic().
  • Hämta den segmenterade bilden med label2rgb() och skicka in segments och profile_image.
  • Detektera ansikten med hjälp av detektorn och metoden för multiskaldetektering.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)
Redigera och kör kod