人脸检测识别基础
对你说的对
这个作者很懒,什么都没留下…
展开
-
Day5-卷积神经网络LeNet5
参考博客 LeNet5简单理解 LeNet5基本实现 具体代码在GitHub上有很多。原创 2020-08-21 14:49:15 · 115 阅读 · 0 评论 -
Day4-前馈神经网络
数据集简介: MINST数据集是由Yann提供的手写数字数据库文件。这个数据集主要包含了60000张的训练图像和10000张的测试图像,数据库的里的图像都是28*28大小的灰度图像,每个像素的是一个八位字节(0~255)。 数据集内容: 主要是下面的四个文件: Training set images: train-images-idx3-ubyte.gz (9.9 MB, 解压后 47 MB, 包含 60,000 个样本) Training set...原创 2020-08-21 11:46:25 · 157 阅读 · 0 评论 -
Day3-基于EigenFace实现人脸识别
数据集简介: Yale人脸数据集由耶鲁大学创建,包含15个人,每个人有不同表情、姿态和光照下的11张人脸图像,共165张图片,每张图片大小为116*98大小。 关于EigenFace算法基本原理,推荐博客。 此算法大致分为两大部分,一是训练算法,即用PCA做特征脸;二是检测识别,即对于一张新的人脸,用特征脸进行标示。 import numpy as np import cv2 import os # 加载正常脸图像 def loadImageSet(add): face_a...原创 2020-08-21 11:19:00 · 326 阅读 · 0 评论 -
Day2-人脸检测基础
1、用opencv自带的人脸检测器进行人脸检测-Haar like adaboost检测 首先下载cascade文件,放到对应文件夹下。 import cv2 #绘制人脸检测框 def plot_rectangle(image, faces): #faces:图像中人脸的参数,坐标(x,y),width,height for (x, y, w, h) in faces: #要绘制矩形的图像,矩形左上坐标,矩形右下坐标,矩形框颜色,边框粗细 c..原创 2020-08-21 10:15:34 · 254 阅读 · 0 评论 -
Day1-opencv对图像的基本操作
一、图像的读取和存储 import numpy as np import cv2 import os path = 'read_images/'#图片存放的文件夹路径 for root,dir,files in os.walk(path):#依次读取文件夹下图像 for file in files: img = cv2.imread(path+str(file))#读入一幅图像 cv2.imwrite('new_images/'+str(file),img)#将原创 2020-08-06 18:16:27 · 155 阅读 · 0 评论