Почти неделя изучения MLOps Теперь я познакомился с множеством новых тем и чувствую себя очень уверенно, работая с ними.
Сегодня я узнал:
Мы работаем с распознаванием лиц в реальном времени, используя активное обновление.
В режиме реального времени для использования машинного обучения с компьютерным зрением мы используем циклы, чтобы поддерживать обновление модели.
Обнаружение границы лица возможно с помощью модели haarcascade.
мы используем ( ‘_’ = пробелы)
face_model = cv2.CascadeClassifier(‘haarcascade_frontalface_default.xml’)
face_cor = face_model.detectMultiScale(photo)
import cv2
cap = cv2.VideoCapture(‘http://192.168.0.158:8080/video’)
face_model = cv2.CascadeClassifier(‘haarcascade_frontalface_default.xml’)
пока верно:
_status , photo = cap.read()
_face_cor = face_model.detectMultiScale(photo)
_if len(face_cor) == 0:
__pass
_ else:
__x1 = face_cor[0][0]
__ y1 = face_cor[0][1 ]
__ x2 = x1 + face_cor[0][2]
__ y2 = y1 + face_cor[0][3]
__photo = cv2.rectangle(photo, (x1, y1), (x2, y2), [0,255,0], 3)
__ cv2.imshow('привет', photo)
__if cv2.waitKey(10) == 13:
___ break
cv2.destroyAllWindows()
#Этот код создает прямоугольник вокруг лица, который работает в режиме реального времени.
#В общем смысле такие виды обнаружения объектов работают в режиме реального времени.
Это можно использовать для
- Компьютерное зрение может использоваться военными дронами для поиска целей и предотвращения человеческих жизней.
- Работает как система кражи и общественного благосостояния/мониторинга в режиме реального времени. Реализованный в реальной жизни, он может помочь поддерживать порядок и обнаруживать незаконные действия (для обучения требуется смехотворно большой набор данных)
- Может использоваться для замены драйверов доставки и автоматизации систем доставки в мегакорпорациях.
- Автоматизировать исследование космоса и находить небесные тела в быстром темпе.
источник — LinuxWorld Informatics Pvt Ltd.