Ich möchte Google Cloud Vision API verwenden, um Funktionen aus Bildern zu generieren, die ich weiterverwenden werde, um meine SVM für das Problem der Emotionserkennung zu trainieren. Bitte beschreiben Sie ausführlich, wie Sie ein Skript in Python schreiben, das mithilfe der Google Cloud Vision-API Funktionen generieren kann, die ich direkt in SVM einspeisen kann.Emotionserkennung mit Google Cloud Vision API?
1
A
Antwort
1
würde ich mit folgenden Schritten gehen:
Ausbildung
- einen Datensatz erstellen (Training + Test) für je nachdem, welche Gefühle Sie wollen (wie Wut, glücklich, etc.). Dieser Datensatz muss vielfältig, aber in Bezug auf Geschlecht und Alter ausgewogen sein.
- Extrahieren Sie die Merkmale jedes Gesichts.
- Normalisieren Sie den gesamten Datensatz. Holen Sie die Begrenzungsbox um Gesichter und schneiden Sie sie aus Bildern. Normalisieren Sie auch die Größe jedes Gesichts.
- Richten Sie die Flächen mithilfe von Roll- und Augenkoordinaten aus, die Sie über die Google API abrufen können.
- Trainieren Sie eine SVM (validieren Sie sie, usw.).
Testing
- Acquire ein Bild.
- Extrahieren Sie die Funktionen.
- Normalisieren und richten Sie das Gesicht aus.
- Verwenden Sie SVM.
Bibliothek, die ich vorschlagen:
scikit-learn - SVM
OpenCV - Bild Manipulations
Verwandte Themen
- 1. Google Cloud Vision-API - Python
- 2. OCR mit Google Cloud Vision Python-API
- 3. Verwenden der Google Cloud Vision-API
- 4. Google Cloud Vision API auf PHP AppEngine
- 5. Google Cloud Vision-API "Anfrage abgelehnt"
- 6. Google Cloud Vision API Bild Anfrage
- 7. google-cloud-vision API gibt weniger Ergebnisse
- 8. Installieren von google-cloud-vision
- 9. Kann Google Cloud Vision API mit Ihren Bilddaten trainiert werden?
- 10. 7-Segment-OCR mit Google Cloud Vision
- 11. Google vision api localisation
- 12. Google Vision-API Etikettenerkennung
- 13. Google Vision-API - tatusCode.RESOURCE_EXHAUSTED
- 14. Cloud Vision API für verschiedene API-Funktion
- 15. Google Cloud Vision-API - "Bild-Kommentator :: Malformed Anfrage .: Bildverarbeitungsfehler"
- 16. Wie Zugriff auf Google Cloud Vision API in Python-Programm?
- 17. Google Cloud Vision API-Zugriff auf Firebase-Speicher gewähren
- 18. Cloud-Vision-Beispielanwendung ist fehlgeschlagen API-Anfrage
- 19. Cloud Vision Abrechnungs/Preisinkonsistenz
- 20. Fehler beim Ausführen des Google Cloud Vision API-Beispiels (Gesichtserkennung)
- 21. Erhalte die korrekte Bildausrichtung von Google Cloud Vision api (TEXT_DETECTION)
- 22. Google Cloud Vision API: Erkennen von Logos TypeError
- 23. Google Vision API Lebensmitteletikettendetektion in Android
- 24. CERTIFICATE_VERIFY_FAILED mit Google Cloud API mit Python
- 25. google Vision API vs Google Vision Online Beispiel
- 26. Gesichtserkennung in Video mit Google Cloud API
- 27. Google Cloud Vision TEXT_DETECTION nur für Ziffern
- 28. Wie rufe ich das Google Vision-API mit einem in Google Cloud Storage gespeicherten Bild auf?
- 29. Mit Google Cloud Trace-API
- 30. In Azure gehostete Bot mit Google Vision API - gRPC - Ausgabe
Ich habe einen Datensatz, und ich habe Funktionen mit Google Cloud Vision-API extrahiert. Wie kann man nun genau entscheiden, welche Funktionen in SVM eingespeist und in SVM eingespeist werden sollen? Ich füge eine Beispiel-JSON-Datei mit Merkmalen hinzu, die einem Bild entsprechen. https://docs.google.com/document/d/1IeHVju080cnxKRQ0aGifT6eIv-UEE18rWPrE-3WU1zA/edit?usp=sharing – Divyat
Wie gesagt, Sie müssen alle Features mit den Begrenzungsrahmen jedes Gesichtes normalisieren. Dann empfehle ich Ihnen, mit "Sehenswürdigkeiten" zu beginnen. Dann müssen Sie wahrscheinlich den Effekt jedes Features erkennen. Übrigens müssen Sie sie nur in einem Vektor stapeln. (http://scikit-learn.org/stable/modules/svm.html) – cagatayodabasi