Phân đoạn và nhận diện khuôn mặt
Trước đó, bạn đã học cách tăng hiệu quả tính toán với phân đoạn superpixel (không giám sát). Trong bài tập này, bạn sẽ áp dụng đúng kỹ thuật đó!
Sử dụng hàm slic() để phân đoạn, tiền xử lý ảnh trước khi đưa vào bộ phát hiện khuôn mặt.
profile_image.Lớp Cascade, hàm slic() từ mô-đun segmentation, và hàm show_detected_face() để trực quan hóa đã được nhập sẵn. Bộ phát hiện đã được khởi tạo và sẵn sàng dùng với tên detector.
Bài tập này là một phần của khóa học
Xử lý ảnh bằng Python
Hướng dẫn bài tập
- Áp dụng phân đoạn superpixel và lấy các phân đoạn (còn gọi là nhãn/labels) bằng
slic(). - Tạo ảnh đã phân đoạn bằng
label2rgb(), truyền vàosegmentsvàprofile_image. - Phát hiện khuôn mặt bằng detector với phương thức đa tỷ lệ (multi scale).
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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)