در حال حاضر محصولی در سبد خرید شما وجود ندارد.
یادگیری و ایجاد تشخیص چهره برای برنامه دسکتاپ تشخیص ماسک صورت با استفاده از پایتون، Tensorflow 2، OpenCV، Pyqt، QT
عنوان اصلی : Face Mask Recognition Desktop App with Deep Learning & PyQT
سرفصل های دوره :
مقدمه:
با مشکلی در دوره مواجه هستید؟ راه حل اینجاست
تنظیم پروژه:
ایجاد محیط مجازی در پایتون
کتابخانه هایی مانند TensorFlow 2، OpenCV و غیره را نصب کنید.
آماده سازی و پیش پردازش داده ها:
دانلود منابع
آماده سازی داده: کتابخانه های مورد نیاز پایتون را وارد کنید
آماده سازی داده ها: تمام مسیر تصاویر را در پوشه دریافت کنید
تهیه داده ها: برچسب گذاری
آماده سازی داده: مسیر تصاویر و برچسب گذاری تصاویر را در چندین پوشه دریافت کنید
مرحله - 3، تشخیص چهره
تشخیص چهره: خواندن تصویر
تشخیص چهره: مدل بار
تشخیص چهره: لکه از تصویر
باکس کراندار برای چهره شناسایی شده را بکشید
مرحله - 4، چهره شناسایی شده را برش دهید
مرحله - 5، پردازش تصویر - حباب از تصویر (تصویر تفریق میانگین RGB)
مرحله - 5، پردازش تصویر - چرخاندن و چرخاندن تصویر
مرحله -5، مقادیر منفی را حذف کرده و عادی کنید
فرآیند آماده سازی داده را برای همه تصاویر اعمال کنید
مرحله - 6، داده های از پیش پردازش شده را در Numpy zip ذخیره کنید
مدل تشخیص چهره برای شناسایی ماسک با یادگیری عمیق:
داده های Numpy Zip را در Notebook بارگیری کنید
یک کدگذاری داغ برای متغیر هدف یا خروجی (y)
داده ها را به مجموعه های Train و Test تقسیم کنید
معماری شبکه عصبی کانولوشنال
توسعه مدل CNN در TensorFlow 2
کامپایل مدل CNN، تنظیم Adam Optimizer & Loss Function
مدل قطار CNN
ذخیره مدل یادگیری عمیق در TensorFlow
پیش‌بینی‌ها با مدل تشخیص چهره برای ماسک صورت:
بارگذاری مدل CNN مبتنی بر TensorFlow در یک نوت بوک
تعریف برچسب ها و تنظیم رنگ ها
مرحله - 1، تشخیص چهره
مرحله -2، پیش پردازش داده
مرحله - 3، پیش‌بینی‌هایی را از مدل CNN برای ماسک صورت دریافت کنید
متن برای اطلاعات پیش‌بینی تولید کنید
پیش‌بینی ماسک صورت را در یک تصویر دریافت کنید
اصول PyQt:
آنچه را توسعه خواهید داد
کد ویژوال استودیو را نصب کنید
راه اندازی پروژه
PyQt را نصب کنید و کد VS را به محیط مجازی متصل کنید
پس زمینه PyQt
اولین برنامه PyQt شما با QtWidgets
قالب Qt
QtWidgets
QWidget
QLabel
QLineEdit
QPushButton
QComboBox
قرار دادن و تنظیم ابزارک ها
قرار دادن ویجت ها با استفاده از QHBoxLayout و QVBoxLayout
سیگنال ها و شکاف ها
عملیات Backend در PyQt
برنامه دسکتاپ با PyQt:
آنچه را توسعه خواهید داد
تنظیم کد ویژوال استودیو
ایجاد پنجره اصلی
PyQT: طراحی جلویی برنامه دسکتاپ
ضبط ویدیو با OpenCV در PyQT
در تابع دکمه کلیک کنید
پخش جریانی ویدیو در PyQT
مدل یادگیری عمیق ماسک صورت را به استریم ویدیو در PyQT متصل کنید
برنامه دسکتاپ ماسک صورت با PyQt
پاداش:
سخنرانی پاداش
Face Mask Recognition Desktop App with Deep Learning & PyQT
در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.
