- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在使用此代码来检测 face_spoofing
import numpy as np
import cv2
import joblib
from face_detector import get_face_detector, find_faces
def calc_hist(img):
"""
To calculate histogram of an RGB image
Parameters
----------
img : Array of uint8
Image whose histogram is to be calculated
Returns
-------
histogram : np.array
The required histogram
"""
histogram = [0] * 3
for j in range(3):
histr = cv2.calcHist([img], [j], None, [256], [0, 256])
histr *= 255.0 / histr.max()
histogram[j] = histr
return np.array(histogram)
face_model = get_face_detector()
clf = joblib.load(0)
cap = cv2.VideoCapture("videos/face_spoofing.mp4")
sample_number = 1
count = 0
measures = np.zeros(sample_number, dtype=np.float)
while True:
ret, img = cap.read()
faces = find_faces(img, face_model)
measures[count%sample_number]=0
height, width = img.shape[:2]
for x, y, x1, y1 in faces:
roi = img[y:y1, x:x1]
point = (0,0)
img_ycrcb = cv2.cvtColor(roi, cv2.COLOR_BGR2YCR_CB)
img_luv = cv2.cvtColor(roi, cv2.COLOR_BGR2LUV)
ycrcb_hist = calc_hist(img_ycrcb)
luv_hist = calc_hist(img_luv)
feature_vector = np.append(ycrcb_hist.ravel(), luv_hist.ravel())
feature_vector = feature_vector.reshape(1, len(feature_vector))
prediction = clf.predict_proba(feature_vector)
prob = prediction[0][1]
measures[count % sample_number] = prob
cv2.rectangle(img, (x, y), (x1, y1), (255, 0, 0), 2)
point = (x, y-5)
# print (measures, np.mean(measures))
if 0 not in measures:
text = "True"
if np.mean(measures) >= 0.7:
text = "False"
font = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(img=img, text=text, org=point, fontFace=font, fontScale=0.9, color=(0, 0, 255),
thickness=2, lineType=cv2.LINE_AA)
else:
font = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(img=img, text=text, org=point, fontFace=font, fontScale=0.9,
color=(0, 255, 0), thickness=2, lineType=cv2.LINE_AA)
count+=1
cv2.imshow('img_rgb', img)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
但我得到了错误
I am using the version 0.24.0 for scikit and am on python 3.8 to use tensorflowTraceback (most recent call last):
File "C:/Users/heman/PycharmProjects/ProctorAI/face_spoofing.py", line 29, in <module>
clf = joblib.load('models/face_spoofing.pkl')
File "C:\Users\heman\PycharmProjects\ProctorAI\venv\lib\site-packages\joblib\numpy_pickle.py", line 585, in load
obj = _unpickle(fobj, filename, mmap_mode)
File "C:\Users\heman\PycharmProjects\ProctorAI\venv\lib\site-packages\joblib\numpy_pickle.py", line 504, in _unpickle
obj = unpickler.load()
File "C:\Users\heman\AppData\Local\Programs\Python\Python38\lib\pickle.py", line 1212, in load
dispatch[key[0]](self)
File "C:\Users\heman\AppData\Local\Programs\Python\Python38\lib\pickle.py", line 1528, in load_global
klass = self.find_class(module, name)
File "C:\Users\heman\AppData\Local\Programs\Python\Python38\lib\pickle.py", line 1579, in find_class
__import__(module, level=0)
ModuleNotFoundError: No module named 'sklearn.ensemble.forest'
Process finished with exit code 1
我想我需要使用以前版本的 scikit (0.19.1),但是我收到了所需的 C++ 构建工具错误。我在虚拟环境中不知道如何安装这些工具,它们已经安装在我的笔记本电脑中。
最佳答案
sklearn.ensemble.forest
更名为 sklearn.ensemble._forest
in 437ca05 on Oct 16, 2019 .您需要安装较旧的 sklearn
.试用 2019 年 7 月 30 日发布的 0.21.3 版本:
pip install -U scikit-learn==0.21.3
请注意,作者提供的轮子最高可达 Python 3.7。对于 3.8 或 3.9,您需要
compile from sources .
关于python - 没有模块名称 'sklearn.forest.ensemble',我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/65758102/
我使用 caret 包训练随机森林,包括重复交叉验证。我想知道是否使用了 Breiman 的原始 RF 中的 OOB,或者它是否被交叉验证所取代。如果它被替换,我是否具有 Breiman 2001 中
我使用 caret 包训练随机森林,包括重复交叉验证。我想知道是否使用了 Breiman 的原始 RF 中的 OOB,或者它是否被交叉验证所取代。如果它被替换,我是否具有 Breiman 2001 中
我使用 H2O 构建 GBM、DRF 和 DL 等分类模型。我拥有的数据集包含一些分类列,如果我想将它们用作构建模型的特征,我是否需要手动将它们转换为虚拟变量?我读到 GBM 可以在内部虚拟化分类变量
我有关于调整随机森林分类器的基本问题。树的数量和树的深度有关系吗?树深度是否必须小于树的数量? 最佳答案 我同意 Tim 的观点,即树的数量和树的深度之间没有拇指比。通常,您需要尽可能多的树来改进您的
目前,我正在使用mlgradle设置Marklogic实例以自动执行部署过程。 我正在基于json配置文件路径(ml-config \ forests \ db-name \ file.json)创建
我正在与 ranger 合作,随机森林的快速实现。问题是我不知道如何解释结果的 $forest 部分。该文件只是说 forest: Saved forest (If write.forest set
我希望使用 Isolation Forest 对某些系统时间序列数据进行离群值检测。在我的例子中,特征的规模是多种多样的。我的直觉告诉我应该规范化数据,但我不记得原始 Iso Forest 论文中有这
我正在使用此代码来检测 face_spoofing import numpy as np import cv2 import joblib from face_detector import get_
这是我的代码: set.seed(1) #Boruta on the HouseVotes84 data from mlbench library(mlbench) #has HouseVotes84
我正在尝试使用 sklearn 中的隔离森林算法检测数据框中的异常值。 这是我用来设置算法的代码: iForest = IsolationForest(n_estimators=100, max_sa
我正在尝试使用 sklearn 中的隔离森林算法检测数据框中的异常值。 这是我用来设置算法的代码: iForest = IsolationForest(n_estimators=100, max_sa
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?更新问题,使其仅关注一个问题 editing this post . 上个月关门。 Improve this questi
在R包randomForest中,将参数keep.Forest设置为True有什么作用? library(randomForest) rf_model <- randomForest(rf_train
我如何使用不相交的集合森林来安排有惩罚的作业,从而使惩罚最小化? 我们可以先根据惩罚降序排列作业。森林的每个节点 x 将代表作业编号,值 rank[x] 将代表其惩罚。但是我怎样才能最小化这个值 ra
我知道深度优先搜索的工作原理以及实现方法,但我一直在我的教科书中看到 DFS-Forest 组件被引用,但我不完全确定它的含义。我知道图的一个组件是与其他组件断开连接的子图。那么什么是 DFS-For
题目地址:https://leetcode.com/problems/delete-nodes-and-return-forest/ 题目描述 Given the root of a binary
当我运行这段代码时: from yellowbrick.classifier import ROCAUC from sklearn.ensemble import RandomForestClassi
我正在尝试通过 ARM 模板创建 Windows 虚拟机、AD 林、域和 DC。 我正在使用这里的模板: https://github.com/Azure/azure-quickstart-templ
我用opencv做随机森林,我已经成功地建立了森林。但是我需要使用 predict_prob 来知道样本属于第二类的确切机会。 我现在它是如何工作的,但是有一个错误说我的森林不是二元分类,我不能使用
早上好/下午好/晚上好。 因此,我们的数据结构类(class)给了我们一个作业,使用以下算法在 java 中分割灰度图像: Input: A gray-scale image with P pixel
我是一名优秀的程序员,十分优秀!