利用face_recognition库裁取人脸

简介: 1 from PIL import Image 2 import face_recognition 3 4 # Load the jpg file into a numpy array 5 image = face_recognition.

 1 from PIL import Image
 2 import face_recognition
 3 
 4 # Load the jpg file into a numpy array
 5 image = face_recognition.load_image_file(".jpg")
 6 
 7 # Find all the faces in the image
 8 face_locations = face_recognition.face_locations(image)
 9 
10 print("I found {} face(s) in this photograph.".format(len(face_locations)))
11 
12 for face_location in face_locations:
13 
14     # Print the location of each face in this image
15     top, right, bottom, left = face_location
16     print("A face is located at pixel location Top: {}, Left: {}, Bottom: {}, Right: {}".format(top, left, bottom, right))
17 
18     # You can access the actual face itself like this:
19     face_image = image[top:bottom, left:right]
20     pil_image = Image.fromarray(face_image)
21     pil_image.show()

 

 

目录
相关文章
|
存储 Java API
Android 浅度解析:mk预置AAR、SO文件、APP包和签名
Android 浅度解析:mk预置AAR、SO文件、APP包和签名
1791 0
|
3月前
百宝箱生成智能体
本教程介绍如何创建并发布一个应用。首先点击“新建应用”,按工作流配置相关信息,完成后点击“发布”。最后进入“Web服务”页面,完成上架操作。全流程图文指引,助您快速上线应用。
131 0
|
11月前
|
缓存 搜索推荐 索引
「Mac畅玩鸿蒙与硬件12」鸿蒙UI组件篇2 - Image组件的使用
在鸿蒙应用开发中,Image 组件用于加载和显示图片资源,并提供多种属性来控制图片的显示效果和适配方式。本篇将带你学习如何在鸿蒙应用中加载本地和远程图片、设置图片样式以及实现简单的图片轮播功能。
630 7
「Mac畅玩鸿蒙与硬件12」鸿蒙UI组件篇2 - Image组件的使用
|
7月前
|
机器学习/深度学习 数据可视化
Visual-RFT:基于强化学习的视觉语言模型微调技术研究
Visual-RFT 是一种创新的视觉语言模型微调技术,结合基于规则的可验证奖励与强化学习,克服了传统监督微调在数据稀缺场景下的局限。它通过渐进式推理和多样化响应生成,优化模型在对象检测、图像分类等任务中的表现,尤其适用于少样本学习。该方法采用组相对策略优化(GRPO)进行参数更新,简化了强化学习流程,同时保持高效性。实验结果表明,Visual-RFT 在细粒度分类和推理定位等任务中显著优于传统方法,展示了其在实际应用中的巨大潜力。
354 1
Visual-RFT:基于强化学习的视觉语言模型微调技术研究
|
数据采集 Web App开发 API
虾皮(Shopee)商品详情数据接口详解
虾皮(Shopee)是东南亚与台湾领先的电商市场,为买卖双方搭建桥梁。本文介绍如何利用网页爬虫技术获取商品详情数据,适用于无API访问权限的情况。通过Python的`requests`和`beautifulsoup4`库,可从网页中提取信息。首先需安装上述库,然后使用示例代码发送HTTP请求并解析HTML。注意遵守虾皮的服务条款,应对可能的动态内容和反爬虫措施。对于API需求,建议查阅官方文档。
489 3
|
9月前
|
Java 中间件 调度
SpringBoot整合XXL-JOB【03】- 执行器的使用
本文介绍了如何将调度中心与项目结合,通过配置“执行器”实现定时任务控制。首先新建SpringBoot项目并引入依赖,接着配置xxl-job相关参数,如调度中心地址、执行器名称等。然后通过Java代码将执行器注册为Spring Bean,并声明测试方法使用`@XxlJob`注解。最后,在调度中心配置并启动定时任务,验证任务是否按预期执行。通过这些步骤,读者可以掌握Xxl-Job的基本使用,专注于业务逻辑的编写而无需关心定时器本身的实现。
1821 10
SpringBoot整合XXL-JOB【03】-  执行器的使用
|
8月前
|
Web App开发 JSON API
携程网地方美食品列表数据接口(携程 API 系列)
携程网作为国内领先的在线旅游服务平台,整合了丰富的美食资源。通过其地方美食品列表数据接口(假设存在),开发者可获取各地特色美食信息,如名称、菜系、评分等,并按价格、热门程度筛选。接口返回 JSON 格式数据,支持地区和筛选参数设置,且有调用频率限制。示例代码展示了如何使用 Python 的 requests 库发送请求并处理响应,模拟查询北京地区的美食。实际接口需替换为真实 URL。
|
缓存 算法 API
Zipline 3.0 中文文档(二)(1)
Zipline 3.0 中文文档(二)
252 1
|
11月前
|
弹性计算 数据可视化 数据挖掘
超好用的开源数据可视化分析工具DataEase
DataEase是一款强大的数据分析工具,支持多种数据源,通过拖拽操作即可快速生成图表,提供丰富的报表样式。本文介绍了如何使用DataEase创建数据分析仪表板,以及在阿里云上一键部署DataEase社区版的详细步骤。
超好用的开源数据可视化分析工具DataEase
|
机器学习/深度学习 人工智能 算法
基于YOLOv8的火焰烟雾实时检测系统【训练和系统源码+Pyside6+数据集+包运行】
基于YOLOv8的火焰烟雾实时检测系统,使用6744张图片训练有效模型,开发了带GUI界面的系统,支持图片、视频和摄像头实时检测,具备模型权重导入、检测置信度调节等功能,并提供项目完整代码和数据集。
1821 1
基于YOLOv8的火焰烟雾实时检测系统【训练和系统源码+Pyside6+数据集+包运行】