Skip to content
TheChatArchiveThe Chat Archive
gpt-3.5-turbo-0301· OpenAIAi2 WildChat-4.8M (AI2)

Напиши код на языке python для google colab выполняющий следующие задачи: 1. Цикл по…

  1. User

    Напиши код на языке python для google colab выполняющий следующие задачи:

    1. Цикл по всем изображениям из базы: a. Считывание изображения из файла; b. Детектирование лица на изображении (если лиц не найдено, или их больше одного, то переходим к следующему файлу); c. Вырезаем лицо из изображения; d. Вычисляем вектор признаков из изображения лица, полученного в пункте выше. e. Добавляем вектор в список векторов.
    2. Индексируем вектора из пункта 1e методом KDTree.
    3. Загружаем свое изображение из файла и выводим на экран.
    4. Для своего изображения вычисляем вектор признаков (выполняем пункты 1b-1d)
    5. Используя индексированные вектора (пункт 2), а также вектор своего лица (пункт 4), находим и выводим 3 наиболее похожих фотографии
  2. Assistant

    Импортируем необходимые библиотеки

    import cv2 import numpy as np from sklearn.neighbors import KDTree

    Создаем функцию для извлечения вектора признаков

    def extract_features(image): face_cascade = cv2.CascadeClassifier('/content/haarcascade_frontalface_default.xml') gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

    if len(faces) != 1: return None

    (x, y, w, h) = faces[0] face_crop = gray[y:y + h, x:x + w] resized_crop = cv2.resize(face_crop, (96, 96)) img = np.array(resized_crop, dtype=np.float32) mean, std = img.mean(), img.std() img = (img - mean) / std img = np.expand_dims(img, axis=0) features = myModel.predict(img)

    return features[0]

    Создаем список для хранения векторов

    features_list = []

    Цикл по всем изображениям из базы

    for i in range(1, 21):

    Считываем изображение из файла

    image = cv2.imread(f'/content/images/{i}.jpg')

    Извлекаем вектор признаков

    features = extract_features(image)

    Если лицо не было найдено, переходим к следующему файлу

    if features is None: continue

    Добавляем вектор в список

    features_list.append(features)

    Индексируем векторы признаков с помощью KDTree

    tree = KDTree(features_list)

    Загружаем свое изображение из файла и выводим на экран

    my_image = cv2.imread('/content/my_image.jpg') cv2.imshow('My image', my_image) cv2.waitKey(0)

    Вычисляем вектор признаков для своего изображения

    my_features = extract_features(my_image)

    Используя индексированные векторы и вектор своего лица, находим 3 наиболее похожих фотографии

    distances, indices = tree.query([my_features], k=3)

    Выводим наиболее похожие изображения

    for i in indices[0]: similar_image = cv2.imread(f'/content/images/{i+1}.jpg') cv2.imshow(f'Similar image {i+1}', similar_image) cv2.waitKey(0)