- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我正在尝试在 python 中使用 Opencv 的特征和 fisher 人脸实现人脸识别,我是 opencv 和 python 的新手。据我从 OpenCv 的文档中了解的情况,我已经实现了它,但我认为我遗漏了一些东西。
我想做的是首先使用一组图像训练识别器。然后我阅读这些图像并根据训练集进行预测。我总是收到 0 的置信度值。这是我的训练代码。
recognizer=cv.createEigenFaceRecognizer();
def getImageName(iPath):
for path, subdirs, files in os.walk(iPath):
for name in files:
imgPath.append(os.path.join(path, name))
#imgPath = [os.path.join(iPath,imgid) for imgid in os.listdir(iPath)]
faceId=[]
imgId=[]
#tmpId=1
for imagePath in imgPath:
dataImg = Image.open(imagePath).convert('L')
faceNp=np.array(dataImg,'uint8')
getId=int(imagePath.split('/')[1].split('s')[1])
faceId.append(faceNp)
imgId.append(getId)
cv.imshow("training",faceNp)
cv.waitKey(10)
return faceId, imgId
faces, imgIds = getImageName("yalefaces")
recognizer.train(faces,np.array(imgIds))
recognizer.save('recognizer/trainingData.yml')
对于识别器
detector= cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
rec=cv2.createEigenFaceRecognizer()
rec.load('recognizer/trainingData.yml')
imgId=0
imgPath=[]
total = 0
corr = 0
def getImageName(iPath):
global total
global corr
for path, subdirs, files in os.walk(iPath):
for name in files:
imgPath.append(os.path.join(path, name))
faceId=[]
imgId=[]
tmpId=1
for imagePath in imgPath:
dataImg = cv2.imread(imagePath,cv2.CV_LOAD_IMAGE_GRAYSCALE)
total=total+1
label,conf=rec.predict(dataImg)
val=imagePath.split('/')[1].split('s')[1]
print "predicted{}, confidence{}, val {}, path{}".format(label,conf,val,imagePath)
if(int(label)==int(val)):
corr=corr+1
if(cv2.waitKey(1)==ord('q') or cv2.waitKey(1)==ord('e')):
break;
getImageName("yalefaces")
print total
print corr
cv2.destroyAllWindows()
这是我的输出片段。尽管标签和图像编号(val)匹配,但置信度值始终为 0。
predicted4, confidence0.0, val 4, pathyalefaces/s4/6.pgm
predicted15, confidence0.0, val 15, pathyalefaces/s15/1.pgm
知道我遗漏了什么或在 python 中实现了 fisher 或 eigen face 的任何代码。提前致谢!
最佳答案
其实confidence=0表示置信度为100%即完美匹配,反之则为
conf=100-float(conf)
试试看。
有关其他信息,请参阅“测试框架识别器”部分: http://hanzratech.in/2015/02/03/face-recognition-using-opencv.html
希望对你有帮助。
关于python - opencv人脸识别器,python预测方法置信度值为0,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43332781/
我正在使用 R 预测包拟合模型,如下所示: fit <- auto.arima(df) plot(forecast(fit,h=200)) 打印原始数据框和预测。当 df 相当大时,这
我正在尝试预测自有住房的中位数,这是一个行之有效的例子,给出了很好的结果。 https://heuristically.wordpress.com/2011/11/17/using-neural-ne
type="class"函数中的type="response"和predict有什么区别? 例如: predict(modelName, newdata=testData, type = "class
我有一个名为 Downloaded 的文件夹,其中包含经过训练的 CNN 模型必须对其进行预测的图像。 下面是导入图片的代码: import os images = [] for filename i
关于预测的快速问题。 我尝试预测的值是 0 或 1(它设置为数字,而不是因子),因此当我运行随机森林时: fit , data=trainData, ntree=50) 并预测: pred, data
使用 Python,我尝试使用历史销售数据来预测产品的 future 销售数量。我还试图预测各组产品的这些计数。 例如,我的专栏如下所示: Date Sales_count Department It
我是 R 新手,所以请帮助我了解问题所在。我试图预测一些数据,但预测函数返回的对象(这是奇怪的类(因子))包含低数据。测试集大小为 5886 obs。 160 个变量,当预测对象长度为 110 时..
关闭。这个问题需要更多focused .它目前不接受答案。 想改进这个问题吗? 更新问题,使其只关注一个问题 editing this post . 关闭 6 年前。 Improve this qu
下面是我的神经网络代码,有 3 个输入和 1 个隐藏层和 1 个输出: #Data ds = SupervisedDataSet(3,1) myfile = open('my_file.csv','r
我正在开发一个 Web 应用程序,它具有全文搜索功能,可以正常运行。我想对此进行改进并向其添加预测/更正功能,这意味着如果用户输入错误或结果为 0,则会查询该输入的更正版本,而不是查询结果。基本上类似
我对时间序列还很陌生。 这是我正在处理的数据集: Date Price Location 0 2012-01-01 1771.0
我有许多可变长度的序列。对于这些,我想训练一个隐马尔可夫模型,稍后我想用它来预测(部分)序列的可能延续。到目前为止,我已经找到了两种使用 HMM 预测 future 的方法: 1) 幻觉延续并获得该延
我正在使用 TensorFlow 服务提供初始模型。我在 Azure Kubernetes 上这样做,所以不是通过更标准和有据可查的谷歌云。 无论如何,这一切都在起作用,但是我感到困惑的是预测作为浮点
我正在尝试使用 Amazon Forecast 进行一些测试。我现在尝试了两个不同的数据集,它们看起来像这样: 13,2013-03-31 19:25:00,93.10999 14,2013-03-3
使用 numpy ndarray大多数时候我们不需要担心内存布局的问题,因为结果并不依赖于它。 除非他们这样做。例如,考虑这种设置 3x2 矩阵对角线的稍微过度设计的方法 >>> a = np.zer
我想在同一个地 block 上用不同颜色绘制多个预测,但是,比例尺不对。我对任何其他方法持开放态度。 可重现的例子: require(forecast) # MAKING DATA data
我正在 R 中使用 GLMM,其中混合了连续变量和 calcategories 变量,并具有一些交互作用。我使用 MuMIn 中的 dredge 和 model.avg 函数来获取每个变量的效果估计。
我能够在 GUI 中成功导出分类器错误,但无法在命令行中执行此操作。有什么办法可以在命令行上完成此操作吗? 我使用的是 Weka 3.6.x。在这里,您可以右键单击模型,选择“可视化分类器错误”并从那
我想在同一个地 block 上用不同颜色绘制多个预测,但是,比例尺不对。我对任何其他方法持开放态度。 可重现的例子: require(forecast) # MAKING DATA data
我从 UCI 机器学习数据集库下载了一个巨大的文件。 (~300mb)。 有没有办法在将数据集加载到 R 内存之前预测加载数据集所需的内存? Google 搜索了很多,但我到处都能找到如何使用 R-p
我是一名优秀的程序员,十分优秀!