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.