در این مطلب، ویدئو آموزش تشخیص چهره پایتون با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:31:18
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,580 –> 00:00:06,170
[Music]
2
00:00:06,170 –> 00:00:08,880
این ویدیو توسط dev Mountain حمایت می
3
00:00:08,880 –> 00:00:10,110
شود اگر به یادگیری توسعه وب علاقه
4
00:00:10,110 –> 00:00:13,110
مندید طراحی iOS یا UX dev
5
00:00:13,110 –> 00:00:14,790
Mountain یک کمپ بوت طراحی و توسعه 12 هفته ای است
6
00:00:14,790 –> 00:00:16,590
که برای
7
00:00:16,590 –> 00:00:18,300
کسب موقعیت تمام وقت در صنعت
8
00:00:18,300 –> 00:00:21,000
برای کسب اطلاعات بیشتر در نظر گرفته شده است. به dev Mountain comm مراجعه
9
00:00:21,000 –> 00:00:22,410
کنید یا روی پیوند در توضیحات زیر کلیک کنید
10
00:00:22,410 –> 00:00:24,449
هی بچه ها چه خبر است، بنابراین ما
11
00:00:24,449 –> 00:00:26,250
امروز کاری متفاوت انجام
12
00:00:26,250 –> 00:00:27,900
13
00:00:27,900 –> 00:00:30,510
14
00:00:30,510 –> 00:00:31,529
15
00:00:31,529 –> 00:00:32,969
خواهیم داد. برای اکثر توسعه دهندگان بسیار جدید است،
16
00:00:32,969 –> 00:00:35,250
بنابراین امروز می خواهم به
17
00:00:35,250 –> 00:00:38,010
تشخیص چهره با استفاده از کتابخانه تشخیص چهره پایتون نگاه کنم،
18
00:00:38,010 –> 00:00:40,890
بنابراین نسبت به بسیاری از
19
00:00:40,890 –> 00:00:42,629
موارد مشابه این کتابخانه در واقع
20
00:00:42,629 –> 00:00:44,789
استفاده از آن بسیار آسان است و
21
00:00:44,789 –> 00:00:46,860
در یادگیری و
22
00:00:46,860 –> 00:00:49,260
تطبیق چهره ها بسیار قدرتمند است.
23
00:00:49,260 –> 00:00:50,910
بسیاری از چیزهایی را که در اسناد پیدا خواهید کرد بررسی خواهم کرد،
24
00:00:50,910 –> 00:00:52,289
اما امیدوارم بتوانم
25
00:00:52,289 –> 00:00:55,350
از طریق چند مثال کمی بیشتر درک کنم که
26
00:00:55,350 –> 00:00:57,480
کتابخانه با بسته هایی مانند بالش که
27
00:00:57,480 –> 00:01:00,600
یک کتابخانه تصویری است کار می کند. numpy که به ما امکان می
28
00:01:00,600 –> 00:01:02,100
دهد کارهایی مانند انجام محاسبات
29
00:01:02,100 –> 00:01:05,159
روی کل آرایه ها را به طور کارآمدتری تجزیه و تحلیل داده ها انجام
30
00:01:05,159 –> 00:01:07,080
دهیم، بنابراین از آن به شدت در
31
00:01:07,080 –> 00:01:09,510
علم داده استفاده می شود، بنابراین ما
32
00:01:09,510 –> 00:01:12,510
اکنون به اینجا می رویم شما می توانید کارهایی را با
33
00:01:12,510 –> 00:01:15,180
وب کم و ویدیوی خود نیز انجام دهید، اما ما این کار را انجام خواهیم داد.
34
00:01:15,180 –> 00:01:17,340
به شدت با تصاویر منطبق
35
00:01:17,340 –> 00:01:20,159
با چهره ها و غیره کار کنید، بنابراین ما ادامه می دهیم
36
00:01:20,159 –> 00:01:22,020
و این را نصب می کنیم، بنابراین می توانید اینجا را ببینید، ما
37
00:01:22,020 –> 00:01:24,600
می توانیم آن را با pip نصب کنیم.
38
00:01:24,600 –> 00:01:27,000
39
00:01:27,000 –> 00:01:28,860
ترمینال در اینجا
40
00:01:28,860 –> 00:01:30,240
ما برای مدتی در
41
00:01:30,240 –> 00:01:31,890
ترمینال کار می کنیم قبل از اینکه
42
00:01:31,890 –> 00:01:34,530
شروع به ایجاد فایل کنیم و
43
00:01:34,530 –> 00:01:36,930
اول از همه باید یک محیط مجازی راه اندازی کنیم،
44
00:01:36,930 –> 00:01:38,460
منظورم این است که شما مجبور نیستید این کار را انجام دهید،
45
00:01:38,460 –> 00:01:42,030
اما ترجیح داده می شود تا بتوانید
46
00:01:42,030 –> 00:01:45,810
نصب کنید. با pip pip II و V بسیار خوب من
47
00:01:45,810 –> 00:01:47,100
قبلاً نصب کردهام، بنابراین وقتی این کار
48
00:01:47,100 –> 00:01:48,750
را انجام دادید آن را اجرا نمیکنم که میتوانید
49
00:01:48,750 –> 00:01:50,909
pipi و V shell را انجام دهید که محیط مجازی شما را به خوبی شروع میکند
50
00:01:50,909 –> 00:01:53,310
و سپس
51
00:01:53,310 –> 00:01:56,280
ما میخواهیم pip env را نصب کنیم. و ما
52
00:01:56,280 –> 00:01:58,100
می خواهیم خط خط چهره r را نصب کنیم
53
00:01:58,100 –> 00:02:01,100
54
00:02:04,780 –> 00:02:08,090
تشخیص خیلی خوب است، پس وقتی این کار انجام شد،
55
00:02:08,090 –> 00:02:11,510
باید بتوانیم از آن استفاده کنیم، بنابراین من در اینجا یک
56
00:02:11,510 –> 00:02:14,750
پوشه تصویر با یک پوشه به نام شناخته شده
57
00:02:14,750 –> 00:02:17,239
و یک پوشه به نام ناشناخته و یک پوشه به نام ناشناخته و در داخل
58
00:02:17,239 –> 00:02:19,220
شناخته شده دارم، من چهار فرد مشهور دارم
59
00:02:19,220 –> 00:02:21,709
، باراک اوباما بیل گیتس دونالد ترامپ و
60
00:02:21,709 –> 00:02:24,800
استیو جابز بسیار متنوع و
61
00:02:24,800 –> 00:02:27,290
ناشناخته من یکسری عکس دارم برخی
62
00:02:27,290 –> 00:02:29,569
از آنها مربوط به این چهار نفر هستند، برخی از
63
00:02:29,569 –> 00:02:30,980
آنها نیستند، می توانید ببینید ما همچنین
64
00:02:30,980 –> 00:02:34,670
مارک والبرگ را در اینجا داریم، مایکل
65
00:02:34,670 –> 00:02:37,610
جردن کیانو ریوز را داریم و سپس من نیز
66
00:02:37,610 –> 00:02:39,890
یک بیل دارم. گیتس
67
00:02:39,890 –> 00:02:42,019
شبیه بیل گیتس است، پس مرد شبیه بیل گیتس است،
68
00:02:42,019 –> 00:02:44,360
اما در واقع حالش خوب نیست، بنابراین کاری که
69
00:02:44,360 –> 00:02:47,209
میخواهم انجام دهم این است که یک مسابقه را روی پوشههای شناخته شده
70
00:02:47,209 –> 00:02:50,480
و ناشناخته اجرا کنم و ببینم کدام یک از
71
00:02:50,480 –> 00:02:52,400
اینها واقعاً عکسهای این
72
00:02:52,400 –> 00:02:54,440
چهار نفر هستند. بنابراین ما میتوانیم این کار را واقعاً
73
00:02:54,440 –> 00:02:56,420
به راحتی در خط فرمان فقط با انجام
74
00:02:56,420 –> 00:03:01,760
تشخیص زیرخط چهره انجام دهیم و سپس
75
00:03:01,760 –> 00:03:04,430
میخواهیم ابتدا در پوشه شناخته شده قرار دهیم بنابراین
76
00:03:04,430 –> 00:03:08,420
تصویر نقطهای اسلش اسلش شناخته شده و سپس نقطه
77
00:03:08,420 –> 00:03:12,680
بریده تصویر بریده بریده ناشناخته کاملاً خوب است، بنابراین
78
00:03:12,680 –> 00:03:14,000
بیایید ادامه دهیم و th را اجرا کنیم. ببینید چه
79
00:03:14,000 –> 00:03:16,310
چیزی خوب است، بنابراین از طریق
80
00:03:16,310 –> 00:03:18,019
هر تصویر مرور میشود و مطابقت را به ما نشان میدهد،
81
00:03:18,019 –> 00:03:21,590
بنابراین میتوانید
82
00:03:21,590 –> 00:03:24,829
همین تصویر اوباما را ببینید که با باراک
83
00:03:24,829 –> 00:03:26,389
اوباما میآید، زیرا با نام فایل تصویر شناخته شده مطابقت دارد،
84
00:03:26,389 –> 00:03:29,090
بنابراین ما ترامپ را
85
00:03:29,090 –> 00:03:32,810
گرفتیم اوباما را گرفتیم بیل گیتس این یک
86
00:03:32,810 –> 00:03:34,459
فرد ناشناس است این در واقع مایکل
87
00:03:34,459 –> 00:03:36,680
جردن است و او در پوشه شناخته شده
88
00:03:36,680 –> 00:03:39,079
نیست بنابراین او ناشناس است کیانو ریوز ناشناخته است
89
00:03:39,079 –> 00:03:43,220
ما استیو جابز داریم جردن دوباره ناشناخته
90
00:03:43,220 –> 00:03:46,010
استیو جابز بیل گیتس می بینید که کار
91
00:03:46,010 –> 00:03:48,290
بسیار خوبی انجام می دهد. حالا یک چیزی که ممکن است
92
00:03:48,290 –> 00:03:50,690
متوجه شوید این است که ظاهر گیتس در
93
00:03:50,690 –> 00:03:54,349
واقع بهعنوان بیل گیتس ظاهر میشود، خوب حالا میخواهم
94
00:03:54,349 –> 00:03:58,130
به شما نشان دهم چگونه میتوانیم این مشکل را برطرف کنیم تا
95
00:03:58,130 –> 00:04:00,079
بتوانیم چیزی به نام
96
00:04:00,079 –> 00:04:03,620
فاصله هر مسابقه را نشان دهیم، بنابراین اساساً
97
00:04:03,620 –> 00:04:06,079
چقدر از یک مسابقه است. است و ما می توانیم این کار را
98
00:04:06,079 –> 00:04:08,359
با اجرای همان دستور با یک
99
00:04:08,359 –> 00:04:14,200
پرچم – – show – انجام دهیم و روی
100
00:04:14,200 –> 00:04:18,339
true تنظیم کنیم، بنابراین اکنون همراه با مطابقت،
101
00:04:18,339 –> 00:04:20,290
یک عدد اعشاری در اینجا به ما می دهد
102
00:04:20,290 –> 00:04:24,280
و می توانید ببینید که من فقط می خواهم به
103
00:04:24,280 –> 00:04:24,850
شما نشان دهم.
104
00:04:24,850 –> 00:04:27,850
اکثر اینها هستند مانند نقطه سه نقطه
105
00:04:27,850 –> 00:04:32,020
چهار خلاص شدن از بیل گیتس واقعی، شما می
106
00:04:32,020 –> 00:04:36,280
توانید 0.37 را ببینید که در آن یکی دیگر با بیل
107
00:04:36,280 –> 00:04:38,950
گیتس در اینجا 0.36 است، اما توجه کنید
108
00:04:38,950 –> 00:04:41,710
که دروازه ها شبیه به هم هستند که در اینجا
109
00:04:41,710 –> 00:04:43,840
درست است، نقطه صفر پنج هفت بسیار بالاتر
110
00:04:43,840 –> 00:04:46,240
از بقیه است، بنابراین چه کاری می توانیم انجام دهیم. آیا
111
00:04:46,240 –> 00:04:49,150
میتوانیم میتوانیم تلورانس را تغییر دهیم، بنابراین
112
00:04:49,150 –> 00:04:52,270
اساساً میتوانیم
113
00:04:52,270 –> 00:04:55,030
با تنظیم کردن آن به
114
00:04:55,030 –> 00:04:57,250
چیزی کمتر از این پنج، این
115
00:04:57,250 –> 00:04:58,600
نقطه پنج
116
00:04:58,600 –> 00:05:00,639
هفت، چهرهها را حتی بهتر هدف قرار دهیم، بنابراین ما این را پاک
117
00:05:00,639 –> 00:05:03,250
میکنیم و این دستور را اجرا میکنیم. دوباره اما
118
00:05:03,250 –> 00:05:06,190
ما اکنون تحمل پرچم را اضافه
119
00:05:06,190 –> 00:05:08,740
می کنیم و آن را روی نقطه صفر
120
00:05:08,740 –> 00:05:11,470
121
00:05:11,470 –> 00:05:14,889
122
00:05:14,889 –> 00:05:17,530
123
00:05:17,530 –> 00:05:22,180
قرار می دهیم. بسیار خوب، پس
124
00:05:22,180 –> 00:05:25,330
درست اینجا گیتس شبیه به هم هستند و می توانید
125
00:05:25,330 –> 00:05:27,430
ببینید که این یک فرد ناشناس است، بنابراین
126
00:05:27,430 –> 00:05:29,800
دیگر به عنوان بیل گیتس ظاهر نمی شود،
127
00:05:29,800 –> 00:05:31,570
اما بقیه آن ها هستند، بنابراین ما همینجا داریم
128
00:05:31,570 –> 00:05:36,240
بیل گیتس و دیگری
129
00:05:36,240 –> 00:05:39,310
همین جا بود، خوب است، بنابراین می توانید ببینید که بی واقعی
130
00:05:39,310 –> 00:05:41,500
ll گیتس ظاهر می شود اما
131
00:05:41,500 –> 00:05:44,200
شبیه به هم نیست زیرا فاصله
132
00:05:44,200 –> 00:05:47,860
0.57 بود و ما تحمل را روی 0.5 تنظیم کردیم،
133
00:05:47,860 –> 00:05:50,320
بسیار خوب است، بنابراین اگر افرادی که آن شخص واقعی نیستند، ممکن است بخواهید
134
00:05:50,320 –> 00:05:53,380
آن تحمل را تنظیم کنید.
135
00:05:53,380 –> 00:05:55,560
136
00:05:55,560 –> 00:05:57,700
بسیار خوب، امیدوارم
137
00:05:57,700 –> 00:06:01,000
که اکنون منطقی باشد، اگر بخواهیم
138
00:06:01,000 –> 00:06:02,950
فقط نام افراد را در
139
00:06:02,950 –> 00:06:05,229
تصویر بدست آوریم، می توانیم این کار را نیز انجام دهیم، بنابراین من این
140
00:06:05,229 –> 00:06:07,210
موضوع را پاک می کنم و می توانیم انجام دهیم،
141
00:06:07,210 –> 00:06:10,479
در واقع اجازه دهید من به این دستور برگردم.
142
00:06:10,479 –> 00:06:12,669
در اینجا، اما ما میخواهیم
143
00:06:12,669 –> 00:06:15,250
یک کاراکتر لوله را به انتهای اینجا اضافه کنیم و سپس
144
00:06:15,250 –> 00:06:20,410
برش را انجام دهیم – D و فقط میخواهیم یک
145
00:06:20,410 –> 00:06:23,530
کاما را در داخل نقل قولها در اینجا و سپس – F – قرار دهیم،
146
00:06:23,530 –> 00:06:26,289
بنابراین اگر اجرا کنیم، فقط
147
00:06:26,289 –> 00:06:28,490
نام آن را به ما میدهد
148
00:06:28,490 –> 00:06:31,610
. افراد حاضر در تصاویر خوب هستند، بنابراین اکنون
149
00:06:31,610 –> 00:06:33,680
می توانید ببینید که ما فقط نام ها را داریم
150
00:06:33,680 –> 00:06:37,370
و فقط از افراد ناشناس استفاده می کند، همانطور که می دانید
151
00:06:37,370 –> 00:06:38,930
اگر فرد پیدا
152
00:06:38,930 –> 00:06:40,700
نشد، بیایید در واقع یکی از این
153
00:06:40,700 –> 00:06:44,120
تصاویر را بگیریم، بیایید از مایکل
154
00:06:44,120 –> 00:06:47,560
جردن عکس بگیریم و بیایید آن را به نام شناخته شده منتقل کنید
155
00:06:47,560 –> 00:06:55,840
و اجازه دهید نام آن را به مایکل جردن تغییر دهیم
156
00:06:55,840 –> 00:06:59,210
و حالا اگر ما این را دوباره اجرا کنید،
157
00:06:59,210 –> 00:07:08,360
ما باید مسابقه را برای جردن دریافت کنیم بسیار خوب،
158
00:07:08,360 –> 00:07:09,800
بنابراین اکنون می توانید ببینید که ما مایکل
159
00:07:09,800 –> 00:07:12,440
جردن را در اینجا داریم، بنابراین اکنون
160
00:07:12,440 –> 00:07:14,240
ما آن مسابقات را نیز دریافت می کنیم
161
00:07:14,240 –> 00:07:16,700
و همه این دستورات در
162
00:07:16,700 –> 00:07:18,200
مستندات هستند، بنابراین من نیستم قرار
163
00:07:18,200 –> 00:07:19,610
است آنها را در توضیحات یا
164
00:07:19,610 –> 00:07:22,460
هر چیز دیگری در صفحه github قرار دهیم، اما
165
00:07:22,460 –> 00:07:24,200
بله، بنابراین ما میتوانیم اکنون تصاویر را با
166
00:07:24,200 –> 00:07:25,430
هم تطبیق دهیم، اگر میخواهیم این کار کمی
167
00:07:25,430 –> 00:07:28,460
سریعتر انجام شود، اگر یک رایانه قدرتمند
168
00:07:28,460 –> 00:07:31,850
دارید، میتوانید CPU را تنظیم کنید، بنابراین اگر
169
00:07:31,850 –> 00:07:35,600
ما برویم به دستور اصلی ما در اینجا
170
00:07:35,600 –> 00:07:40,130
و ما فقط پرچم را اضافه می کنیم – – CPU ها و
171
00:07:40,130 –> 00:07:45,320
من می خواهم بگویم CPUs هشت است، بنابراین هنوز
172
00:07:45,320 –> 00:07:47,180
یک ثانیه طول می کشد تا شروع شود، اما نگاه کنید
173
00:07:47,180 –> 00:07:49,400
چقدر سریع می رود خوب است، خیلی سریعتر پیش می رود
174
00:07:49,400 –> 00:07:51,260
و احتمالاً می خواهید برای انجام این کار،
175
00:07:51,260 –> 00:07:53,120
اگر تعداد زیادی
176
00:07:53,120 –> 00:07:55,460
عکس دارید که همه آنها را مرور می کنید،
177
00:07:55,460 –> 00:07:57,530
اما بله، بنابراین ما می توانیم از
178
00:07:57,530 –> 00:08:00,440
خط فرمان برای یافتن موارد منطبق استفاده کنیم، اکنون می
179
00:08:00,440 –> 00:08:02,780
خواهم شروع به نوشتن
180
00:08:02,780 –> 00:08:05,660
فایل های پایتون کنم که می توانند با این کتابخانه کار کنند. بنابراین
181
00:08:05,660 –> 00:08:07,640
من می خواهم آن را روشن کنم و بیایید
182
00:08:07,640 –> 00:08:11,030
اینجا را کوچکتر کنیم و
183
00:08:11,030 –> 00:08:13,340
این تصاویر را ببندیم و من یک
184
00:08:13,340 –> 00:08:18,800
فایل جدید به نام find faces dot pi ایجاد می کنم، بنابراین کاری که
185
00:08:18,800 –> 00:08:21,110
می خواهم اینجا انجام دهم این است که به تصویری
186
00:08:21,110 –> 00:08:24,290
از افراد نگاه کنم تا بتوانید ببینید که من یک پوشه
187
00:08:24,290 –> 00:08:25,760
به نام گروه ها دارم و من تیم یک و
188
00:08:25,760 –> 00:08:27,770
تیم دو را دارم و میخواهم بتوانم
189
00:08:27,770 –> 00:08:31,090
چهرهها یا حتی
190
00:08:31,090 –> 00:08:34,490
مکانهای چهرهها را در تصویر خوب تشخیص دهم
191
00:08:34,490 –> 00:08:36,589
یا همچنین بتوانم
192
00:08:36,589 –> 00:08:39,440
تعداد مراحل را بشمارم، بنابراین ما جلوتر میرویم و
193
00:08:39,440 –> 00:08:40,500
194
00:08:40,500 –> 00:08:44,320
چهره را وارد میکنیم. کتابخانه recognition و ما
195
00:08:44,320 –> 00:08:46,300
یک متغیر از مجموعه تصویر را تنظیم می کنیم که
196
00:08:46,300 –> 00:08:49,240
برای تشخیص زیرخط روبرو باشد
197
00:08:49,240 –> 00:08:52,240
و روشی به نام load image file وجود دارد
198
00:08:52,240 –> 00:08:54,820
و این در واقع تصویر را به عنوان یک
199
00:08:54,820 –> 00:08:58,000
آرایه numpy بارگیری می کند بنابراین در اینجا می خواهیم
200
00:08:58,000 –> 00:09:01,420
مکانی را قرار دهیم که تصویر / گروه است. /
201
00:09:01,420 –> 00:09:05,050
تیم یک نقطه jpg بسیار خوب، پس اکنون
202
00:09:05,050 –> 00:09:07,180
آن تصویر را داریم، اکنون باید مکان چهره ها را بدست آوریم،
203
00:09:07,180 –> 00:09:10,620
بنابراین بیایید
204
00:09:10,620 –> 00:09:12,940
مکان های صورت را انجام دهیم، یک متغیر تنظیم می کنیم و آن را
205
00:09:12,940 –> 00:09:16,839
206
00:09:16,839 –> 00:09:19,750
بر روی مکان های زیرخط نقطه چهره تشخیص چهره تنظیم می کنیم.
207
00:09:19,750 –> 00:09:22,930
در تصویر به خوبی عبور کنید، بنابراین یک بار این
208
00:09:22,930 –> 00:09:25,890
کار را انجام می دهیم میتوانیم آرایهای از
209
00:09:25,890 –> 00:09:30,310
مختصات هر صورت یا برای هر
210
00:09:30,310 –> 00:09:32,529
چهره را دریافت کنیم و اگر بخواهیم میتوانیم آن را چاپ کنیم،
211
00:09:32,529 –> 00:09:34,899
بنابراین بیایید مکانهای زیرخط چهره را چاپ کنیم
212
00:09:34,899 –> 00:09:38,320
و ببینیم چه چیزی به ما میدهد، بنابراین
213
00:09:38,320 –> 00:09:40,450
من ادامه میدهم و این را پاک میکنم.
214
00:09:40,450 –> 00:09:45,100
در اینجا و بیایید پایتون را اجرا کنیم و
215
00:09:45,100 –> 00:09:49,810
چهره ها را نقطه pi پیدا کنیم، بنابراین می توانید ببینید که اکنون
216
00:09:49,810 –> 00:09:52,900
این آرایه را دریافت می کنیم که این
217
00:09:52,900 –> 00:09:55,029
مختصات را در داخل آن برای هر تصویر دارد
218
00:09:55,029 –> 00:09:57,279
و تیم یک دارای چهار نفر در آن است،
219
00:09:57,279 –> 00:09:59,320
بنابراین ما چهار مقدار داریم که
220
00:09:59,320 –> 00:10:03,339
مختصات یک بالا هستند.
221
00:10:03,339 –> 00:10:05,740
حالا اگر میخواهید
222
00:10:05,740 –> 00:10:07,779
تعداد افراد درون یک تصویر را بدانید که
223
00:10:07,779 –> 00:10:10,150
واقعاً آسان است، میخواهید بدانید، میتوانیم فقط
224
00:10:10,150 –> 00:10:12,040
از یک رشته F در اینجا استفاده کنم تا بتوانم از
225
00:10:12,040 –> 00:10:15,610
یک متغیر در داخل یا یک عبارت استفاده کنم، بنابراین
226
00:10:15,610 –> 00:10:18,310
فرض کنید وجود دارد و سپس
227
00:10:18,310 –> 00:10:20,980
چند بریس فر را باز میکنیم و من از
228
00:10:20,980 –> 00:10:23,170
روش لن استفاده میکنم که فقط
229
00:10:23,170 –> 00:10:25,829
تعداد آیتمهای آرایه را میشمرد و سپس مکانهای صورت را میشمرد،
230
00:10:25,829 –> 00:10:28,810
زیرا این یک آرایه است و
231
00:10:28,810 –> 00:10:32,770
میگوییم چهرهها یا حتی فقط افرادی را که
232
00:10:32,770 –> 00:10:34,660
میخواهید شمارش کنید. تعداد افراد در
233
00:10:34,660 –> 00:10:38,470
این تصویر خوب است w ادامه میدهیم و
234
00:10:38,470 –> 00:10:43,200
فقط این را نظر میدهیم، بنابراین بیایید آن را اجرا کنیم
235
00:10:43,200 –> 00:10:45,730
و
236
00:10:45,730 –> 00:10:48,160
اگر این را به تیم دو تغییر دهیم
237
00:10:48,160 –> 00:10:51,610
که تعداد افراد بیشتری دارد و آن را اجرا کنیم، میبینیم که
238
00:10:51,610 –> 00:10:53,830
239
00:10:53,830 –> 00:10:55,600
در این تصویر چهار نفر وجود دارد. خوب، پس فقط همین
240
00:10:55,600 –> 00:10:57,190
مقدار کمی از این کد کوچک،
241
00:10:57,190 –> 00:10:59,650
می توانید یک تصویر را بررسی کنید و متوجه
242
00:10:59,650 –> 00:11:01,870
شوید که چند نفر در آن هستند، بنابراین
243
00:11:01,870 –> 00:11:03,460
این اولین کاری است که می خواهم انجام
244
00:11:03,460 –> 00:11:07,060
دهم، می خواهم یک فایل دیگر را در
245
00:11:07,060 –> 00:11:09,570
ریشه اینجا ایجاد کنم و بیایید این
246
00:11:09,570 –> 00:11:13,930
نقطه تطبیق چهره را سلام بنامیم، بنابراین اساساً میخواهم
247
00:11:13,930 –> 00:11:15,250
کاری را که در خط فرمان انجام میدادیم انجام دهم،
248
00:11:15,250 –> 00:11:17,940
جایی که تصاویر را با هم مقایسه میکردیم و
249
00:11:17,940 –> 00:11:20,740
ببینیم آیا آن شخص در آن
250
00:11:20,740 –> 00:11:25,890
تصویر است یا نه، پس بیایید دوباره
251
00:11:25,890 –> 00:11:30,220
تشخیص چهره را وارد کنیم و میخواهم یک تصویر داشته باشم.
252
00:11:30,220 –> 00:11:32,770
بیل گیتس را انجام می دهیم تا
253
00:11:32,770 –> 00:11:36,490
تصویر بیل را بگوییم و آن را
254
00:11:36,490 –> 00:11:41,500
روی فایل تصویر بارگذاری نقطه تشخیص چهره تنظیم کنیم و من می
255
00:11:41,500 –> 00:11:48,720
خواهم نقطه / IMG / شناخته شده / بیل
256
00:11:48,720 –> 00:11:53,200
گیتس jpg jpg بسیار خوب حالا باید
257
00:11:53,200 –> 00:11:56,620
چیزی به نام رمزگذاری چهره بیل دریافت کنیم.
258
00:11:56,620 –> 00:11:59,050
گیتس و این ویژگی های صورت را
259
00:11:59,050 –> 00:12:02,260
که می توان با آن مقایسه کرد، بدست می آورد تصاویر دیگر،
260
00:12:02,260 –> 00:12:05,230
بنابراین بیایید یک متغیر به نام
261
00:12:05,230 –> 00:12:09,090
Bill Underscore Face Underscore Encoding ایجاد کنیم
262
00:12:09,090 –> 00:12:11,530
و من آن را روی تشخیص چهره تنظیم می کنم
263
00:12:11,530 –> 00:12:14,860
و روشی به نام رمزگذاری چهره وجود دارد،
264
00:12:14,860 –> 00:12:17,650
بنابراین ما از آن استفاده می
265
00:12:17,650 –> 00:12:20,500
کنیم که اکنون در تصویر بیل عبور
266
00:12:20,500 –> 00:12:22,240
می کنیم. یک آرایه به ما بدهید که ما فقط
267
00:12:22,240 –> 00:12:25,570
اولین مورد را میخواهیم خوب حالا
268
00:12:25,570 –> 00:12:28,260
میخواهیم تصویری را با آن مقایسه کنیم، بنابراین
269
00:12:28,260 –> 00:12:32,260
میگوییم بیایید این تصویر ناشناخته را صدا کنیم، در واقع
270
00:12:32,260 –> 00:12:34,500
من فقط این دو خط را کپی
271
00:12:34,500 –> 00:12:37,710
میکنم و این را به تغییر میدهیم.
272
00:12:37,710 –> 00:12:44,320
تصویر ناشناخته و بیایید از بگویید تصویر
273
00:12:44,320 –> 00:12:49,000
ناشناخته استفاده کنیم و بیایید در واقع
274
00:12:49,000 –> 00:12:53,460
تصویری از بیل بگیریم، بنابراین
275
00:12:53,460 –> 00:12:58,600
بیل نام آسان را ببینیم – gates – برای jpg، بنابراین
276
00:12:58,600 –> 00:13:01,740
این همان چیزی است که ما آن را با
277
00:13:02,630 –> 00:13:05,850
JPG مقایسه می کنیم و سپس اینجا خواهیم بود.
278
00:13:05,850 –> 00:13:16,649
رمزگذاری ناشناخته ناشناخته را بگویید رمزگذاری چهره ناشناخته ما
279
00:13:16,649 –> 00:13:20,610
و آن را روی
280
00:13:20,610 –> 00:13:22,709
رمزگذاری چهره تشخیص چهره تنظیم کنید و سپس می
281
00:13:22,709 –> 00:13:27,690
خواهیم تصویر ناشناخته و
282
00:13:27,690 –> 00:13:29,850
شاخص صفر را پاس کنیم، بنابراین اکنون دو
283
00:13:29,850 –> 00:13:32,899
تصویر خود را داریم که می خواهیم درست
284
00:13:32,899 –> 00:13:36,420
با هم مقایسه کنیم، بنابراین اجازه دهید چهره ها را با هم مقایسه کنیم تا وجود داشته باشد.
285
00:13:36,420 –> 00:13:38,520
در واقع یک روش کال led compare faces
286
00:13:38,520 –> 00:13:39,930
و من این را داخل
287
00:13:39,930 –> 00:13:42,029
متغیری به نام نتایج قرار میدهم تا بتوانیم
288
00:13:42,029 –> 00:13:44,339
بعد از آن تست کنیم، بنابراین فرض کنید تشخیص چهره
289
00:13:44,339 –> 00:13:50,089
نقطه مقایسه چهرهها در
290
00:13:50,089 –> 00:13:52,200
پرانتز قرار میگیرد، در واقع میتوانید بیش از
291
00:13:52,200 –> 00:13:54,959
یک را در اینجا قرار دهید، اما ما این کار را انجام میدهیم. رمزگذاری صورت صورتحساب
292
00:13:54,959 –> 00:13:57,570
و ما آن را
293
00:13:57,570 –> 00:14:00,990
با رمزگذاری چهره ناشناخته مطابقت میدهیم، بنابراین
294
00:14:00,990 –> 00:14:03,360
باید یک مقدار درست یا نادرست به ما بدهد، بنابراین
295
00:14:03,360 –> 00:14:09,779
ما میخواهیم نتایج را بررسی کنیم، بنابراین میگوییم
296
00:14:09,779 –> 00:14:21,200
اگر نتیجه صفر شد، بیل گیتس را چاپ کنیم، در
297
00:14:21,200 –> 00:14:29,670
غیر این صورت. ما چاپ می کنیم که این
298
00:14:29,670 –> 00:14:33,839
بیل گیتس نیست، خوب است، پس بیایید پس انداز
299
00:14:33,839 –> 00:14:35,579
کنیم، بیل گیتس را امتحان کنیم، بنابراین
300
00:14:35,579 –> 00:14:37,230
من می خواهم پایتون را اجرا کنم
301
00:14:37,230 –> 00:14:43,550
و این همان چیزی است که با چهره مطابقت دارد، سلام،
302
00:14:43,550 –> 00:14:46,649
حالا متوجه شدیم که این بیل گیتس است.
303
00:14:46,649 –> 00:14:49,890
بیایید این تصویر ناشناخته را به تصویری تغییر دهیم که
304
00:14:49,890 –> 00:14:55,050
او نیست، بنابراین ما انجام می دهیم اجازه دهید D – Trump
305
00:14:55,050 –> 00:14:59,910
jpg و ما آن را اجرا می کنیم و به این نتیجه می رسیم
306
00:14:59,910 –> 00:15:01,680
که بیل گیتس خوب نیست، بنابراین اساساً
307
00:15:01,680 –> 00:15:03,540
همان کاری را انجام می دهد که ما در آن
308
00:15:03,540 –> 00:15:04,890
انجام می دادیم. خط فرمان و شما می
309
00:15:04,890 –> 00:15:08,040
توانید با این کار خیلی بیشتر عمق پیدا کنید، اما من
310
00:15:08,040 –> 00:15:09,630
می خواهم ادامه دهم، می خواهم y را نشان دهم چگونه
311
00:15:09,630 –> 00:15:13,020
میتوانیم چهرهها را از یک تصویر بیرون بکشیم
312
00:15:13,020 –> 00:15:14,850
و حتی میتوانیم میتوانیم آنها را ذخیره
313
00:15:14,850 –> 00:15:17,100
کنیم، میتوانیم هر یک از این چهرهها را برداریم
314
00:15:17,100 –> 00:15:20,009
و به عنوان یک تصویر جدا