cvcircle_cv::line_cv::mat(13)

intmain()

{

CvCapture*capture=0;

Matframe,frameCopy,image;

stringinputName;

booltryflip=false;

intmode;

CascadeClassifiercascade,nestedCascade;

doublescale=1.0;

if(!cascade.load(cascadeName)||!nestedCascade.load(nestedCascadeName))

{

cerr<<"ERROR:CouldnotloadclassifiercascadeornestedCascade"<<endl;//若出现该问题请去检查cascadeName，可能是opencv版本路径问题

return-1;

}

//printf("selectthemodeofdetection:\n1:frompicture\t2:fromcamera\n");

//scanf("%d",&mode);

char**pics=(char**)malloc(sizeof*pics);

/************************************************************************/

/*detectfaceandsave*/

/************************************************************************/

inti,j;

cout<<"detectandsave..."<<endl;

constchardir[256]="D:\\Face_recognition\\pic\\";

stringcur_dir;

charid[5];

for(i=1;i<=K;i++)

{

cur_dir=dir;

_itoa(i,id,10);

cur_dir.append("color\\");

cur_dir.append(id);

vector<pair<char*,Mat>>imgs=read_img(cur_dir);

for(j=0;j<imgs.size();j++)

{

IplImage*res=DetectandExtract(imgs[j].second,cascade,nestedCascade,scale,tryflip);

if(res)

cvSaveImage(imgs[j].first,res);

}

}

return0;

}

文章所用代码打包链接：

在我尝试建立人工智能时，我第一次把头转向了深度学习。主要原因是它最近成功地打击了计算机视觉任务，也是我目前正在工作的部分，从脸部检测情绪（我已经部分了解我们书面语的内容）。所以上个月我花了半个月的时间在网上选课，在网上看书，学习一个很深的学习工具。说实话，这是很容易的部分。真正的挑战是创建一个分类情感面临下降的数据集。为什么是一个挑战？因为深度学习算法是需要大量数据。

为了得到一个下降的数据集，我从谷歌图片收集人脸图片，并且用OpenCV（）修剪这些脸。我能够收集几千张照片，但是我的注释方法失败，因为许多照片即没有包含一张脸也没有合适的情感。最后，我结束了大约600张照片，一个对饥饿神经网络无用的数字。看看互联网，我能检索到一个预先标记，但是仍然有一小集来自Flickr用户关于我们制作的脸（TFWM）。在绝望的时刻（也许是最聪明的办法）我询问了机器学习的子红迪网并且有人救了我的命。我指着一个从Kaggle竞争处收集超过35K的照片标记6种情绪与中性型。我突然觉得充满希望。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-22609-13.html