我想从1500个人脸图像中创建一个人脸集合,然后用一个参考人脸图像来这个集合。最终的目标是从集合中找出与参考人脸图像最相似的人脸。
因此,我想检索每一对图像(参考图像和集合中的一张脸)每次的相似性的一个数字。
那么,这是否等于1500 face x 1similarity_metadata =1500元数据,还是将相似性属性计算为任意数量的人脸图像的一个元数据?
换句话说,我的请求是1500元数据还是1500面的1元数据?
我使用的是免费版本,AWS指定:
作为AWS免费层的一部分,您可以免费开始使用。注册后,亚马逊的新客户每月可以分析5,000张图片,并在头12个月每月存储多达1,000张
我是使用OpenCv2的初学者,我正在尝试用以下函数来检测人脸:
def faceDetection(test_img):
gray_img=cv2.cvtColor(test_img,cv2.COLOR_BGR2GRAY)#convert color image to grayscale
face_haar_cascade=cv2.CascadeClassifier(cv2.data.haarcascades +'haarcascade_frontalface_default.xml')#Load haar classifier
faces=face_
让我们说我们有以下几点:
l = map f (map g [1..100])
我们想要:
head l
所以我们得到:
head (map f (map g [1..100]))
现在,我们必须得到第一个元素。map的定义如下所示:
map f l = f (head l) : (map f (tail l))
所以我们得到:
f (head (map g [1..100]))
然后再次申请:
f (g (head [1..100]))
这会导致
f (g 1)
仅仅由于懒惰,没有形成中间列表。
这个分析正确吗?像这样简单的结构:
foldl' ... $ map f1 $ map