学习
实践
活动
工具
TVP
写文章

用 Python 鉴别色色的图片

(nude.is_nude("leisheng.jpg")) print(nude.is_nude("qiaoba.png")) 代码运行的结果居然是 False、True、True 让我们来看一下图片 对了,我这里是直接把图片放在了项目的路径里的 ? 然后进行循环,在 images_list 里面一个一个对图片进行识别。 我们来看一下下图片,准确率嘛,有点玄学。 ? 图片还可以吧 3 说明 ---- 识别是不是色色的图片的有依据的,根据给出的信息来看,是皮肤暴露的百分比来判断的,暴露的比例大于 15% 就判断为色色的图片。这里只是很粗浅的说明

60340

敲敲级简单的鉴别H图片的小程序

os.path.splitext(fname)[-1] == '.jpg': # 判断后缀名 try: # 这里支持传入多个需要鉴别的本地图片地址 print filename + " 图片涉嫌违规" print "! 图片为色情图片评分:{porn_score}".format(porn_score=data['porn_score']) print "! 图片 {filename} 可上传 ! 性感值:{hot_score} ! 图片为色情图片评分:{porn_score} ! 运行 激动的时刻到啦,我们要将测试图片准备好哟!加上骚骚的颜色! ? 完美啦! 男生的还没有测。。并不知道能不能检测到。。如果有人成功检测也和我说下哟。

46340
  • 广告
    关闭

    人脸识别限时特惠,10万次资源包仅需9.9元!!

    基于腾讯优图强大的面部分析技术,提供包括人脸检测与分析、比对、搜索、验证、五官定位、活体检测等多种功能,为开发者和企业提供高性能高可用的人脸识别服务

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    使用Azure人脸API对图片进行人脸识别

    人脸识别是人工智能机器学习比较成熟的一个领域。人脸识别已经应用到了很多生产场景。比如生物认证,人脸考勤,人流监控等场景。对于很多中小功能由于技术门槛问题很难自己实现人脸识别的算法。 Azure人脸API对人脸识别机器学习算法进行封装提供REST API跟SDK方便用户进行自定义开发。 先让我们选择一张结衣的图片试试: ? 看看我们的结衣微笑率97.9%。 再选一张杰伦的图片试试: ? 嗨,杰伦就是不喜欢笑,微笑率0% 。。。 总结 通过简单的一个wpf的应用我们演示了如果使用Azure人脸API进行图片中的人脸检测,真的非常方便,识别代码只有1行而已。 Azure人脸API除了能对图片中的人脸进行检测,还可以对多个人脸进行比对,检测是否是同一个人,这样就可以实现人脸考勤等功能了,这个下次再说吧。

    58120

    图片人脸检测——Dlib版(四)

    上几篇给大家讲了OpenCV的图片人脸检测,而本文给大家带来的是比OpenCV更加精准的图片人脸检测Dlib库。 dlib与OpenCV对比 识别精准度:Dlib >= OpenCV Dlib更多的人脸识别模型,可以检测脸部68甚至更多的特征点 效果展示 ? 人脸的68个特征点 ? 下载训练模型 训练模型用于是人脸识别的关键,用于查找图片的关键点。 下载地址:http://dlib.net/files/ 下载文件:shape_predictor_68_face_landmarks.dat.bz2 当然你也可以训练自己的人脸关键点模型,这个功能会放在后面讲 dlib path = "img/meinv.png" img = cv2.imread(path) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #人脸分类器

    78630

    解读 | 生成人脸修复模型:同时使用两个鉴别器,直接合成逼真人脸

    简介 这篇论文提出了一个用来进行人脸修复的深度生成模型,如下图所示,针对一副面部图片中的缺失区域,这个模型可以直接修复人脸。 ? 与之前很多其他工作不同,针对人脸修复任务,这篇论文的作者同时使用了两个鉴别器来构建整个模型,因此不论是局部图像还是整个图像,看上去都更加逼真。 2. 方法 2.1 模型结构 ? 语义解析网络用于改进上述生成对抗网络生成的图片,语义解析网络是基于论文《使用全连接卷积编码-解码网络进行物体轮廓检测》,因为这种网络能够提取到图像的高水平特征。 两个鉴别器的损失函数的不同之处在于:局部鉴别器的损失函数 (L_a1) 仅仅反向传播图像缺失区域的损失梯度,而整体鉴别器的损失函数 (L_a2) 反向传播整个图像的损失梯度。 结论 这个基于生成对抗网络的模型具有两个鉴别器和一个语义正则化网络,能够处理人脸修复任务。它能够在随机噪声中成功地合成缺失的人脸部分。 6.

    97080

    【MaskTheFace】给人脸图片戴口罩!

    文 专知 【导读】MaskTheFace是一个基于计算机视觉的脚本,用于给人脸数据集戴口罩。 原文链接: https://github.com/aqeelanwar/MaskTheFace MaskTheFace使用基于dlib的人脸标志检测器来识别人脸倾斜度和应用口罩所需的人脸六个关键特征。 特色功能 支持戴多种类型的口罩,支持多人图片 ? ?

    84720

    图片人脸检测——OpenCV版(二)

    图片人脸检测 人脸检测使用到的技术是OpenCV,上一节已经介绍了OpenCV的环境安装,点击查看. 功能展示 识别一种图上的所有人的脸,并且标出人脸的位置,画出人眼以及嘴的位置,展示效果图如下:  ? 多张脸识别效果图:  ? 技术实现思路 图片转换成灰色(去除色彩干扰,让图片识别更准确) 图片上画矩形 使用训练分类器查找人脸 具体实现代码 图片转换成灰色 使用OpenCV的cvtColor()转换图片颜色,代码如下: import 在使用OpenCV的人脸检测之前,需要一个人脸训练模型,格式是xml的,我们这里使用OpenCV提供好的人脸分类模型xml,下载地址:https://github.com/opencv/opencv/ for faceRect in faceRects: # 单独框出每一张人脸 x, y, w, h = faceRect # 框出人脸 cv2

    28430

    图片人脸检测——OpenCV版(二)

    图片人脸检测 人脸检测使用到的技术是OpenCV,上一节已经介绍了OpenCV的环境安装,点击查看. 功能展示 识别一种图上的所有人的脸,并且标出人脸的位置,画出人眼以及嘴的位置,展示效果图如下:  ? 多张脸识别效果图:  ? 技术实现思路 图片转换成灰色(去除色彩干扰,让图片识别更准确) 图片上画矩形 使用训练分类器查找人脸 具体实现代码 图片转换成灰色 使用OpenCV的cvtColor()转换图片颜色,代码如下: import 在使用OpenCV的人脸检测之前,需要一个人脸训练模型,格式是xml的,我们这里使用OpenCV提供好的人脸分类模型xml,下载地址:https://github.com/opencv/opencv/ for faceRect in faceRects: # 单独框出每一张人脸 x, y, w, h = faceRect # 框出人脸 cv2

    579100

    基于Opencv的图片人脸检测

    本篇内容介绍如何使用opencv,scipy,tensorflow来实现计算机人脸检测。 .=) 先声明一下,本篇内容是在图片中的人脸检测, 调动计算机摄像头的人脸识别链接: 链接:https://blog.csdn.net/weixin_43582101/article/details /88913164 效果图: (图片在百度图片搜索而来,如有侵权请联系我。) detect_face,这个就是人脸检测的核心的难点了。 检测人脸,返回人脸框和五个关键点的坐标 detect_face在图像中它们返回包围框和点。

    8210

    【MaskTheFace】给人脸图片戴口罩!

    【导读】MaskTheFace是一个基于计算机视觉的脚本,用于给人脸数据集戴口罩。 https://github.com/aqeelanwar/MaskTheFace MaskTheFace使用基于dlib的人脸标志检测器来识别人脸倾斜度和应用口罩所需的人脸六个关键特征。 特色功能 支持戴多种类型的口罩,支持多人图片 ? ?

    27410

    图片人脸检测——Dlib版(四)

    上几篇给大家讲了OpenCV的图片人脸检测,而本文给大家带来的是比OpenCV更加精准的图片人脸检测Dlib库。 点击查看往期: 《图片人脸检测——OpenCV版(二)》 《视频人脸检测——OpenCV版(三)》 dlib与OpenCV对比 识别精准度:Dlib >= OpenCV Dlib更多的人脸识别模型,可以检测脸部 人脸的68个特征点 ? 下载训练模型 训练模型用于是人脸识别的关键,用于查找图片的关键点。 下载地址:http://dlib.net/files/ 下载文件:shape_predictor_68_face_landmarks.dat.bz2 当然你也可以训练自己的人脸关键点模型,这个功能会放在后面讲

    1.2K70

    人脸识别案例:接口返回“图片中没有人脸

    某些特殊情况,会导致接口返回“图片中没有人脸”的返回值,很多用户会疑惑,为什么人眼视觉的确看到图片中是存在人脸的,而产品识别不出来呢? 低于MinFaceSize值的人脸不会被检测”。因此我们知道,如果图片中的真实人脸大小小于了设置的MinFaceSize,会导致该人脸被过滤,从而返回“图片中没有人脸”。 2.图片本身问题 众所周知,现在任何人脸识别产品都无法准确识别到所有人脸图片,一方面是模型训练数据的有限性,另一方是针对待识别图片相对严苛的要求。 如果下列某方面被命中,可能导致无法识别人脸: (1)图片质量较差。包括图片是否清晰,图片是否过曝、图片是否过暗、图片是否存在亮点、图片是否存在明显色偏(eg:整体偏绿)等。 (2)人脸质量较差。 本参数的作用为,当图片中的人脸被旋转且图片没有exif信息时,如果不开启图片旋转识别支持则无法正确检测、识别图片中的人脸

    3.9K183

    除了鉴别PS图片,还能一键卸妆

    一、AI人脸技术简史 如今人脸技术也形成了识别侦测与合成伪造的两大流派,这两大流派形成了典型的相互促进,相互攻防的趋势。 人脸识别技术最开始被人们所熟知在2017年前后,当时歌神张学友的演唱会上,AI人脸识别技术屡屡立下大功,甚至创造了一次演唱会,就帮助公安机关抓捕到5名逃犯的纪录。 这让人们惊呼原来人脸识别这么牛啊,因为人脸识别技术在人员身份认证上所体现出来的便捷性及带来的效率提升,相关人脸识别产品、解决方案层出不穷。 人脸识别技术被广泛应用了一年多以后的2018年末,人脸伪造技术即AI换脸技术迎来爆发。 目前图片篡改识别与妆容迁移方面的应用,还没有非常完善、高效的技术方案。不过根据CV技术的发展趋势,未来AI“火眼金睛”的练成只是时间问题。

    29610

    Java + opencv 实现人脸识别,图片人脸识别、视频人脸识别、摄像头实时人脸识别

    ,识别成功保存图片到本地 getVideoFromCamera(); // 2- 从本地视频文件中识别人脸 // getVideoFromFile(); // 3- 本地图片人脸识别,识别成功并保存人脸图片到本地 face(); // 4- 比对本地2张图的人脸相似度 (越接近1越相似) String basePicPath + "face.png", image); } } return image; } /** * OpenCV-4.1.1 图片人脸识别 i++; } // 6 展示图片 HighGui.imshow("人脸识别", image); HighGui.waitKey : 2- 测试本地视频识别人脸 3- 测试本地图片人脸识别 4- 测试本地2张图片人脸的相似度 完结。

    40520

    Matlab人脸识别之查找图片中的人脸并用方框圈出。

    15120

    Python学习案例之图片人脸检测识别

    前言 随着科技的发展,人脸识别技术在许多领域得到的非常广泛的应用,手机支付、银行身份验证、手机人脸解锁等等。 识别 废话少说,这里我们使用 opencv 中自带了 haar人脸特征分类器,利用训练好的 haar 特征的 xml 文件,在图片上检测出人脸的坐标,利用这个坐标,我们可以将人脸区域剪切保存,也可以在原图上将人脸框出 人脸检测分类器对比: 级联分类器的类型 XML文件名 人脸检测器(默认) haarcascade_frontalface_default.xml 人脸检测器(快速的Haar) haarcascade_frontalface_alt2 .xml 人脸检测器(Tree) haarcascade_frontalface_alt_tree.xml 人脸检测器(Haar_1) haarcascade_frontalface_alt.xml 小结 开源的人脸检测分类器对于标准的人脸识别足够了,要想精确识别比如,侧脸、模糊、光照、遮挡的人脸,只能通过深度机器学习进一步优化识别精度和速度。

    32710

    CNN训练与测试人脸图片分类(TensorFlow)

    实验需要判断人脸是否戴了眼镜,所以参考网上的文章弄了个简单的CNN图片分类器来做戴眼镜与否的判定。 环境如下: macOS 10.13.2 Python 2.7 TensorFlow 1.2.0 数据集: 要训练我们当然需要训练集,这里我采用的是CelebA的人脸图像数据集,从中筛选出戴了眼镜的人脸和没戴眼镜的人脸分别一千多张也就够了 ,如何筛选CelebA人脸数据集可以参考我这篇博客:处理筛选CelebA人脸数据集 将两个分别装有戴眼镜与否的人脸图片的文件夹放到我们工程目录下,然后开始写代码。 ,i+1,"face is belong to:"+face_dict[output[i]]) 这里我们放入五张人脸图片作为测试数据,注意,这里的测试与上文训练代码中的测试不是一个意思,这里是真正用来做分类 五张测试用的明星脸 “face_dict”数组保存了分类结果的说明,训练后如果分类为1表示戴了眼镜,如果分类为0表示没戴眼镜,最后的代码也可以看到结果输出是用这个数组来转换结果的。

    17230

    人脸融合是否有接口自己上传素材图片

    人脸融合是否有接口自己上传素材图片?有没有大佬告诉我下下,我没找到啊!!!

    26820

    人脸识别案例:接口返回“图片下载错误”

    导语 上一篇介绍了腾讯人脸识别产品基本功能、使用场景和体验demo等,并详细介绍了接口返回“图片中没有人脸”的原因与解决方案。本篇作为其姊妹篇,将详细探讨接口返回“图片下载错误”的案例情况。 案例背景 用户在使用人脸识别各类功能接口时,入参必填项一定包含“图片”这一选项,支持base64和URL链接两种方式传入。当用户选择URL入参时,偶有返回“图片下载错误”的错误码。 4.用户的图片服务器在海外,腾讯云人脸识别图片下载代理服务在国内,可能会导致下载超时。 上述四类原因是导致图片下载错误的高频原因,用户可以首先根据上述情况进行具体排查。 这样腾讯云人脸识别服务器就无须下载图片,自然就没有下载超时,服务器会将用户传入的base64解码还原成图片。 总结 通过这篇文章的阐述,希望大家能够明确“图片下载错误”的根本原因和解决方案,也多多使用腾讯云人脸识别产品哈。

    2.8K333

    人脸年龄编辑:无可奈何花落去,似曾相似春又来!

    什么是人脸年龄编辑? 相信不少同学听说过人脸老化,把一幅人脸图像转化成人物老年的样子,人脸年龄编辑则不仅可以做人脸老化,还能“返老还童”。即给定一幅人脸图片,可以生成人物不同年龄的图像。 给定输入人脸图像X0和对应年龄a0,想要生成的人物年龄a1。 经过调制的特征,进入解码器,对于该图像对应的年龄调制的特征进行人脸重建,而想要的年龄调制的特征生成一张新的人脸,并对这张新的人脸使用鉴别器判断真假和预测年龄。 人脸重建和人脸真假判断保证了人脸编辑结果视觉效果好,人脸图像去年龄编码、年龄调制网络、年龄分类用来保证生成的结果符合预期。 实验结果 与其他算法在人脸老化任务上的数值结果比较: ? image.png 论文地址: https://arxiv.org/pdf/2005.04410.pdf 代码地址: https://github.com/InterDigitalInc/HRFAE 试用起来非常简单

    64610

    扫码关注腾讯云开发者

    领取腾讯云代金券