Création d'un modèle de détection profonde des visages avec Python et TensorFlow (partie 3)

DEV - 02/04
Découvrez la partie 1 Découvrez la partie 2 Bienvenue dans la suite de notre tutoriel sur la construction d'un...

Découvrez la première partie

Découvrez la partie 2

Bienvenue dans la suite de notre didacticiel sur la création d'un modèle de détection profonde des visages à l'aide de Python et TensorFlow. Dans cette partie, nous reprendrons là où nous nous sommes arrêtés et couvrirons les étapes 5 à 11, y compris l'augmentation des données, la création de modèles, la formation et la réalisation de prédictions.

5. Créer et exécuter un pipeline d'augmentation

5.1 Exécuter le pipeline d'augmentation

pour la partition dans ['train', 'test', 'val'] : pour l'image dans os.listdir(os.path.join('data', partition, 'images')) : img = cv2.imread(os. path.join('data', partition, 'images', image)) coords = [0, 0, 0.00001, 0.00001] label_path = os.path.join('data', partition, 'labels', f'{image .split(".")[0]}.json') si os.path.exists(label_path) : avec open(label_path, 'r') comme f : label = json.load(f) coords[0] = label['shapes'][0]['points'][0][0] coords[1] = label['shapes'][0]['points'][0][1] coords[2] = label['shapes'][0]['points'][1][0] coords[3] = label['shapes'][0]['points'][1][1] coords = list(np .divide(coords, [640, 480, 640, 480])...
[Courte citation de 8% de l'article original]