У нас вы можете посмотреть бесплатно Обнаружение масок на лицах с помощью Python, Keras, OpenCV и MobileNet | Обнаружение масок в виде... или скачать в максимальном доступном качестве, видео которое было загружено на ютуб. Для загрузки выберите вариант из формы ниже:
Если кнопки скачивания не
загрузились
НАЖМИТЕ ЗДЕСЬ или обновите страницу
Если возникают проблемы со скачиванием видео, пожалуйста напишите в поддержку по адресу внизу
страницы.
Спасибо за использование сервиса ClipSaver.ru
В этом видео по программированию на Python мы научимся создавать детектор масок на лице с использованием Keras, Tensorflow, MobileNet и OpenCV. Мы также увидим, как применить эту технологию к камере видеонаблюдения в реальном времени. При дальнейшем улучшении эти модели можно будет интегрировать с камерами видеонаблюдения для обнаружения и идентификации людей без масок. Детектор масок на лице не использует набор данных с морфированными изображениями масок. Модель точна, а благодаря архитектуре MobileNetV2 она также вычислительно эффективна, что упрощает её внедрение во встраиваемые системы (Raspberry Pi, Google Coral и т. д.). Таким образом, эту систему можно использовать в приложениях реального времени, требующих обнаружения масок на лице в целях безопасности в связи со вспышкой COVID-19. Этот проект можно интегрировать со встраиваемыми системами для применения в аэропортах, на вокзалах, в офисах, школах и общественных местах, чтобы гарантировать соблюдение правил общественной безопасности. Не стесняйтесь экспериментировать с кодом, изменять параметры и получать более точные данные. Сообщите мне об изменениях в комментариях. GitHub: https://github.com/balajisrinivas/Fac... Numpy: • Complete Numpy A-Z | Numpy for Data Scienc... Matplotlib: • Matplotlib Tutorial Part 1: Basic Creation... Узнайте больше об ImageDataGenerator: https://keras.io/api/preprocessing/im... LinkedIn: LinkedIn: / balaji2512 Следите за новыми видео и подписывайтесь на канал #python #FaceMaskDetection #keras #tensorflow #opencv Введение и демонстрация: (0:00) Установка зависимостей: (1:18) Набор данных: (2:10) Предварительная обработка данных: (2:58) Обучение: (9:03) Точность запуска и просмотра: (17:09) Использование модели в режиме реального времени. Камера: (18:20) Конечный результат: (25:30)