Vous ne voulez pas dire que vous avez créé un programme de reconnaissance faciale?

La reconnaissance faciale dans le temps

"Shenzhen" est l'une des villes chinoises les plus développées en informatique. D'après ce que j'entends, des paiements dans les dépanneurs aux distributeurs automatiques, vous pouvez effectuer des paiements simplement en tenant votre visage. Que ce soit bon ou mauvais, c'est incroyable. C'est futuriste et cool. Alors fais moi aussi! Je l'ai fait l'année dernière avec une colle comme w, mais je ne pouvais pas en faire un article, alors j'ai décidé de le faire cette fois. Le système et le programme introduits cette fois sont les premiers travaux qui ont touché Python correctement, et les premiers travaux mémorables qui ont touché l'apprentissage automatique.

Aperçu

Prenez une image de votre visage à l'aide de l'appareil photo de votre PC, traitez et gonflez l'image à l'aide de la bibliothèque OpenCV, puis créez un programme pour identifier l'individu en apprenant le visage avec traincascade. Le langage utilisé était Python3.

Flux de programme

Cette fois, nous avons créé deux types de traitement d'image de visage, un programme d'apprentissage et un programme de reconnaissance faciale.

Traitement d'image de visage, flux de programme d'apprentissage

① Démarrez la caméra PC avec la capture vidéo (2) Enregistrez 40 cadres de reconnaissance de visage en tant qu'images ③ Ajoutez 40 images sous différentes formes pour augmenter les données d'entraînement ④ Générer une commande d'apprentissage ⑤ Tapez la commande générée dans la console pour commencer l'apprentissage. ⑥ Générez un fichier en cascade une fois l'apprentissage terminé

Flux du programme de reconnaissance faciale

① Lire le fichier en cascade du déclarant (2) Passez chaque image dans un fichier en cascade pour identifier les individus.

Structure des dossiers

Traitement d'image de visage, programme d'apprentissage

face_learner/
         ├─face_learner.py
         ├─haarcascade_frontalface_default.xml
         ├─neg.txt
         ├─pos.txt
         ├─cascade/
         ├─neg/
             ├─neg1.jpg
             ├─neg2.jpg
             ├─neg3.jpg
              …
             └─neg265.jpg
         ├─pic/
             ├─pic1.jpg
             ├─pic2.jpg
             ├─pic3.jpg
              …
             └─pic1639.jpg
         └─pos.vec

Cette structure de dossiers ne contient que les fichiers autour du programme d'apprentissage. Le programme d'identification personnelle n'est pas inclus.

Description du programme (programme d'apprentissage)

Veuillez vous référer à l'explication en commentaire de ce qu'il faut faire facilement dans le code source. .. Deux types d'image correcte (image positive) et d'image incorrecte (image négative) sont nécessaires pour l'apprentissage. L'image correcte est l'image du visage que vous souhaitez apprendre, et vous avez également besoin d'informations de coordonnées sur l'emplacement du visage dans l'image. L'image de réponse incorrecte peut être autre chose que l'image de réponse correcte. Cette fois, 265 images d'animaux mignons sont préparées et stockées à l'avance dans le répertoire neg. スクリーンショット 2019-11-19 18.35.33.png

Nous commencerons par collecter ces images correctes. Pour obtenir une image de réponse correcte, prenez d'abord 40 images faciales, puis augmentez le nombre à environ 1640 pour améliorer la précision d'apprentissage. Plus le nombre d'images correctes est élevé, plus la précision d'apprentissage est élevée, il est donc conseillé d'augmenter le nombre selon le cas. Je pense qu'il y a une consultation avec les spécifications du PC. Puisque vous allez apprendre un nouveau visage, vous devez supprimer toutes les données inutiles que vous avez utilisées auparavant. Vous devriez être capable de le gérer intelligemment ici (rires). La collecte d'images faciales est le but principal de ce programme. En utilisant le fichier en cascade préchargé pour la reconnaissance faciale, le visage est reconnu et 40 images de visage sont prises en premier. Commencez à ajouter de l'eau à partir d'ici. L'ajout d'eau se fait en ajoutant divers ajouts à l'image. Il semble qu'il y ait déjà un outil dans cette partie, il est donc absolument rapide de l'utiliser. Cette fois, j'ai aussi fait ma propre pratique de programmation.

[Type de modification d'image] • Retourner horizontalement • Changer la saturation • Changer le contraste • Changer la luminosité • Changement de netteté • Rotation de ± 15 degrés

Il y a beaucoup de place pour l'amélioration du traitement ici. Tout d'abord, il est absolument bon de rendre chaque partie de traitement fonctionnelle. Dans ce programme, le nombre de photos est compté et ajouté à chaque fois, il vaut donc mieux l'appliquer un peu plus intelligemment. Après avoir collecté les images, il est nécessaire de créer un fichier texte qui résume les informations de l'image correcte. Il s'agit du chemin du fichier image, dont la partie de laquelle l'image a le visage, et des informations de coordonnées du quadrilatère à quatre côtés qui entoure la partie avec le visage. Le format est [Nombre de faces de chemin Coordonnées (x) Coordonnées (y) Coordonnées (w) Coordonnées (h)]. w est la largeur et h est la hauteur. Un exemple est présenté ci-dessous.

pos.txt


pic/pic1389.jpg 1 454 328 547 547
pic/pic302.jpg 1 565 85 380 380
pic/pic464.jpg 1 947 389 31 31
pic/pic470.jpg 1 663 238 341 341
pic/pic1438.jpg 1 658 341 540 540
pic/pic316.jpg 1 620 88 376 376
pic/pic1376.jpg 1 795 414 376 376
pic/pic1410.jpg 1 476 408 379 379
pic/pic1404.jpg 1 497 394 383 383
pic/pic1362.jpg 1 754 400 372 372
pic/pic869.jpg 1 625 235 420 420
pic/pic855.jpg 1 380 185 381 381
pic/pic666.jpg 1 361 241 424 424
pic/pic100.jpg 1 312 91 360 360
pic/pic64.jpg 1 622 101 371 371
pic/pic114.jpg 1 279 84 375 375
pic/pic70.jpg 1 618 89 382 382
pic/pic672.jpg 1 1213 216 43 43
pic/pic672.jpg 1 369 274 385 385
pic/pic882.jpg 1 721 313 353 353
.
.
.

Une fois que vous avez généré le texte, il ne vous reste plus qu'à générer la commande. Tout d'abord, une commande pour convertir en fichier vectoriel en utilisant les informations de l'image correcte. La prochaine commande à apprendre. python a la capacité d'exécuter des commandes Linux à partir de programmes python, tels que les fonctions os.system () et subprocess.call (), mais je ne l'ai pas compris, donc je peux le faire manuellement. J'essaye de générer une commande vers. Si quelqu'un peut me parler de cette partie, je vais étudier! Lorsque l'apprentissage est terminé, le fichier cascade.xml est créé dans le répertoire cascade, alors lisez-le et effectuez une identification individuelle. Il sera plus facile de comprendre si le nom de fichier est un nom individuel, le cas échéant.

Description du programme (programme de discrimination)

Cela utilise le fichier en cascade créé précédemment pour identifier les individus. La seule bibliothèque chargée par ce programme est OpenCV (cv2). Passez l'image capturée par la caméra à travers le fichier en cascade à chaque fois, et lorsque le visage est relevé, entourez la partie fermée d'un cadre. Premièrement, lorsque le visage d'une personne est reconnu, il est entouré d'un cadre blanc, et lorsqu'une personne est reconnue, il est entouré d'un cadre bleu et le nom est dessiné dessus.

S__24559619.jpg

Avec ce genre de sentiment, vous pouvez identifier les individus en temps réel avec un appareil photo!

Programme réel

Je suis vraiment réticent à exposer du code sale, mais je suis sûr que cela aidera, et je publierai tout le code. Veuillez noter qu'il est assez long pour mourir.

Collection d'images + programme d'apprentissage

face_leaner.py


import os
import re
import numpy as np
import time
import glob
import shutil
import PIL.Image
from PIL import ImageEnhance
import subprocess
import cv2

#uer_name = input("Who are you")
cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

#----------------------------------------------
#mov, pic,Effacer la position

os.chdir('cascade')
for x in glob.glob('*.xml'):
    os.remove(x)

os.chdir('../')
os.chdir('pic')
for x in glob.glob('*.jpg'):
    os.remove(x)

os.chdir('../')
os.chdir('pos')
for x in glob.glob('*.jpg'):
    os.remove(x)

os.chdir('../')
os.remove('pos.txt')
#----------------------------------------------
#pos.Créer un txt
f = open('pos.txt', 'a')

#----------------------------------------------
#Recueillir des images faciales
cap = cv2.VideoCapture(0)
cascade_path1 = "haarcascade_frontalface_default.xml"
cascade_path2 = 'lbpcascade_profileface.xml'
cascade1 = cv2.CascadeClassifier(cascade_path1)
cascade2 = cv2.CascadeClassifier(cascade_path2)
color = (255,255,255)
picture_num = 1
while True:
    ret, frame = cap.read()
    facerect1 = cascade1.detectMultiScale(frame, scaleFactor=1.7, minNeighbors=4, minSize=(100,100))
    font = cv2.FONT_HERSHEY_SIMPLEX
    cv2.putText(frame, str(picture_num), (10,500), font, 4,(0,0,0),2,cv2.LINE_AA)
    if len(facerect1) > 0:
        for (x,y,w,h) in facerect1:
            #cv2.rectangle(frame,(x,y),(x+w,y+h),(255,0,0),2)
            picture_name = 'pic/pic' + str(picture_num) + '.jpg'
            cv2.imwrite(picture_name, frame)
            #text = picture_name + ' 1 ' + str(x) + ' ' + str(y) + ' ' + str(w) + ' ' + str(h) + '\n'
            #f.write(text)
            picture_num = picture_num + 1
    cv2.imshow("frame", frame)
    if picture_num == 41:
        break
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

#----------------------------------------------
#Commencer le rembourrage
#Comptez le nombre d'images dans les images
dir = os.getcwd()
dirPic = dir + "/pic"
files = os.listdir(dirPic)
count = 0
for file in files:
    count = count + 1
os.chdir('pic')
#Nombre de photos
imageNum = count
#Retourner horizontalement
for num in range(1, count+1):
    name = 'pic' + str(num) + '.jpg'
    if os.path.exists(name) :
        pass
    else :
        continue
    if os.path.getsize(name) == 0:
        os.remove(name)
        continue
    img = cv2.imread(name)
    yAxis = cv2.flip(img, 1)
    newName = 'pic' + str(imageNum) + '.jpg'
    cv2.imwrite(newName,yAxis)
    imageNum = imageNum + 1
print('OK')
print('NEXT STAGE')

#Comptez le nombre de photos
dir = os.getcwd()
files = os.listdir(dir)
count = 0
for file in files:
    count = count + 1
print(count)

#Nombre de photos
imageNum = count
#Fix imageNum
picNum = imageNum


SATURATION = 0.5
CONTRAST = 0.5
BRIGHTNESS = 0.5
SHARPNESS = 2.0
#Changer la saturation
for num in range(1, count+1):
    name = 'pic' + str(num) + '.jpg'
    if os.path.exists(name) :
        pass
    else :
        print('NO')
        continue
    if os.path.getsize(name) == 0:
        os.remove(name)
        continue
    img = PIL.Image.open(name)
    saturation_converter = ImageEnhance.Color(img)
    saturation_img = saturation_converter.enhance(SATURATION)
    newName = 'pic' + str(imageNum) + '.jpg'
    saturation_img.save(newName)
    imageNum = imageNum + 1
print('OK')
print('NEXT STAGE')

#Comptez le nombre de photos
dir = os.getcwd()
files = os.listdir(dir)
count = 0
for file in files:
    count = count + 1
print(count)

#Nombre de photos
imageNum = count

count = picNum
#Changer le contraste
for num in range(1, count+1):
    name = 'pic' + str(num) + '.jpg'
    if os.path.exists(name) :
        pass
    else :
        print('NO')
        continue
    if os.path.getsize(name) == 0:
        os.remove(name)
        continue
    img = PIL.Image.open(name)
    contrast_converter = ImageEnhance.Contrast(img)
    contrast_img = contrast_converter.enhance(CONTRAST)
    newName = 'pic' + str(imageNum) + '.jpg'
    contrast_img.save(newName)
    imageNum = imageNum + 1
print('OK')
print('NEXT STAGE')

#Comptez le nombre de photos
dir = os.getcwd()
files = os.listdir(dir)
count = 0
for file in files:
    count = count + 1
print(count)

#Nombre de photos
imageNum = count

count = picNum
#Changer la luminosité
for num in range(1, count+1):
    name = 'pic' + str(num) + '.jpg'
    if os.path.exists(name) :
        pass
    else :
        print('NO')
        continue
    if os.path.getsize(name) == 0:
        os.remove(name)
        continue
    img = PIL.Image.open(name)
    brightness_converter = ImageEnhance.Brightness(img)
    brightness_img = brightness_converter.enhance(BRIGHTNESS)
    newName = 'pic' + str(imageNum) + '.jpg'
    brightness_img.save(newName)
    imageNum = imageNum + 1
print('OK')
print('NEXT STAGE')

#Comptez le nombre de photos
dir = os.getcwd()
files = os.listdir(dir)
count = 0
for file in files:
    count = count + 1
print(count)

#Nombre de photos
imageNum = count

count = picNum
#Changer la netteté
for num in range(1, count+1):
    name = 'pic' + str(num) + '.jpg'
    if os.path.exists(name) :
        pass
    else :
        print('NO')
        continue
    if os.path.getsize(name) == 0:
        os.remove(name)
        continue
    img = PIL.Image.open(name)
    sharpness_converter = ImageEnhance.Sharpness(img)
    sharpness_img = sharpness_converter.enhance(SHARPNESS)
    newName = 'pic' + str(imageNum) + '.jpg'
    sharpness_img.save(newName)
    imageNum = imageNum + 1
print('OK')
print('NEXT STAGE')

#Comptez le nombre de photos
dir = os.getcwd()
files = os.listdir(dir)
count = 0
for file in files:
    count = count + 1
print(count)

#Nombre de photos
imageNum = count
#Fix imageNum
picNum = imageNum

#Rotation de 15 degrés
for num in range(1, count+1):
    name = 'pic' + str(num) + '.jpg'
    if os.path.exists(name) :
        pass
    else :
        print('NO')
        continue
    if os.path.getsize(name) == 0:
        os.remove(name)
        continue
    #Chargement d'image
    img = cv2.imread(name)
    h, w = img.shape[:2]
    size = (w, h)

    #Spécification de l'angle de rotation
    angle = 15
    angle_rad = angle/180.0*np.pi

    #Calculer la taille de l'image après la rotation
    w_rot = int(np.round(h*np.absolute(np.sin(angle_rad))+w*np.absolute(np.cos(angle_rad))))
    h_rot = int(np.round(h*np.absolute(np.cos(angle_rad))+w*np.absolute(np.sin(angle_rad))))
    size_rot = (w_rot, h_rot)

    #Rotation autour du centre de l'image d'origine
    center = (w/2, h/2)
    scale = 1.0
    rotation_matrix = cv2.getRotationMatrix2D(center, angle, scale)

    #Ajouter un mouvement parallèle(rotation + translation)
    affine_matrix = rotation_matrix.copy()
    affine_matrix[0][2] = affine_matrix[0][2] -w/2 + w_rot/2
    affine_matrix[1][2] = affine_matrix[1][2] -h/2 + h_rot/2

    img_rot = cv2.warpAffine(img, affine_matrix, size_rot, flags=cv2.INTER_CUBIC)

    cv2.imwrite(newName, img_rot)
    newName = 'pic' + str(imageNum) + '.jpg'
    saturation_img.save(newName)
    imageNum = imageNum + 1
print('OK')
print('NEXT STAGE')

#Comptez le nombre de photos
dir = os.getcwd()
files = os.listdir(dir)
count = 0
for file in files:
    count = count + 1
print(count)

#Nombre de photos
imageNum = count

#-Rotation de 15 degrés
for num in range(1, count+1):
    name = 'pic' + str(num) + '.jpg'
    if os.path.exists(name) :
        pass
    else :
        print('NO')
        continue
    if os.path.getsize(name) == 0:
        os.remove(name)
        continue
    #Chargement d'image
    img = cv2.imread(name)
    h, w = img.shape[:2]
    size = (w, h)

    #Spécification de l'angle de rotation
    angle = -15
    angle_rad = angle/180.0*np.pi

    #Calculer la taille de l'image après la rotation
    w_rot = int(np.round(h*np.absolute(np.sin(angle_rad))+w*np.absolute(np.cos(angle_rad))))
    h_rot = int(np.round(h*np.absolute(np.cos(angle_rad))+w*np.absolute(np.sin(angle_rad))))
    size_rot = (w_rot, h_rot)

    #Rotation autour du centre de l'image d'origine
    center = (w/2, h/2)
    scale = 1.0
    rotation_matrix = cv2.getRotationMatrix2D(center, angle, scale)

    #Ajouter un mouvement parallèle(rotation + translation)
    affine_matrix = rotation_matrix.copy()
    affine_matrix[0][2] = affine_matrix[0][2] -w/2 + w_rot/2
    affine_matrix[1][2] = affine_matrix[1][2] -h/2 + h_rot/2

    img_rot = cv2.warpAffine(img, affine_matrix, size_rot, flags=cv2.INTER_CUBIC)

    cv2.imwrite(newName, img_rot)
    newName = 'pic' + str(imageNum) + '.jpg'
    saturation_img.save(newName)
    imageNum = imageNum + 1
print('OK')
print('NEXT STAGE')

#Comptez le nombre de photos
dir = os.getcwd()
files = os.listdir(dir)
count = 0
for file in files:
    count = count + 1
print(count)
print('OK')
print('COMPLETE')

#------------------------------------------------------
#Création de fichier texte
#cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
#os.chdir('pic')
for num in glob.glob('*.jpg'):
    img = cv2.imread(num)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = cascade.detectMultiScale(gray)
    for (x,y,w,h) in faces:
        text = 'pic/' + num + ' 1 ' + str(x) + ' ' + str(y) + ' ' + str(w) + ' ' + str(h) + '\n'
        f.write(text)

cmd = 'opencv_createsamples -info pos.txt -vec pos.vec -num ' + str(count)
print(cmd)

cmd = 'opencv_traincascade -data ./cascade -vec pos.vec -bg neg.txt -numPos 1500 numNeg 255'
print(cmd)

print('COMPLETE.')

Programme d'identification personnelle

face_id.py


# coding: utf-8

import cv2

font = cv2.FONT_HERSHEY_SIMPLEX

if __name__ == "__main__":
    cap = cv2.VideoCapture(0)
    cascade_path_human = 'haarcascade_frontalface_default.xml'
    cascade_path_hirosugu = "cascade_hirosugu.xml"
    cascade_path_kenta = 'cascade_kenta.xml'

    cascade_hirosugu = cv2.CascadeClassifier(cascade_path_hirosugu)
    cascade_human = cv2.CascadeClassifier(cascade_path_human)
    cascade_kenta = cv2.CascadeClassifier(cascade_path_kenta)

    color = (255,0,0)

    while True:
        ret, frame = cap.read()

        facerect_human = cascade_human.detectMultiScale(frame, scaleFactor=1.7, minNeighbors=4, minSize=(100,100))
        facerect_hirosugu = cascade_hirosugu.detectMultiScale(frame, scaleFactor=1.7, minNeighbors=4, minSize=(100,100))
        facerect_kenta = cascade_kenta.detectMultiScale(frame, scaleFactor=1.7, minNeighbors=4, minSize=(100,100))

        if len(facerect_human) > 0:
            for rect in facerect_human:
                cv2.rectangle(frame, tuple(rect[0:2]), tuple(rect[0:2]+rect[2:4]), (255,255,255), thickness=2)


        if len(facerect_hirosugu) > 0:
            for rect in facerect_hirosugu:
                cv2.rectangle(frame, tuple(rect[0:2]), tuple(rect[0:2]+rect[2:4]), color, thickness=2)
                cv2.putText(frame, 'Hirosugu Takeshita', tuple(rect[0:2]), font, 2,(0,0,0),2,cv2.LINE_AA)


        if len(facerect_kenta) > 0:
            for rect in facerect_kenta:
                cv2.rectangle(frame, tuple(rect[0:2]), tuple(rect[0:2]+rect[2:4]), color, thickness=2)
                cv2.putText(frame, 'Kenta Suzuki', tuple(rect[0:2]), font, 2,(0,0,0),2,cv2.LINE_AA)

        cv2.imshow("frame", frame)

        #Appuyez sur la touche q pour terminer la boucle
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

    cap.release()
    cv2.destroyAllWindows()

Au fait, il est recommandé de placer le fichier cascade généré (fichier d'apprentissage .xml) dans la même hiérarchie que le programme de reconnaissance faciale!

finalement

Droite? N'est-ce pas facile? C'est un programme poubelle pour les professionnels! Vous pourriez penser cela, mais vous pouvez vous appeler un ingénieur Ese ML. Si c'est vrai, la précision sera encore améliorée si vous faites l'extraction de fonctionnalités et écrivez vous-même le NN (je ne sais pas car je ne suis pas très familier avec cela).

De plus, il existe de nombreux articles sur OpenCV, veuillez donc vous y référer également. Étant donné que cet article n'est qu'une trace assez mince, il est recommandé d'étudier en profondeur le mécanisme détaillé et les autres commandes pendant l'apprentissage.

Eh bien, cette fois, c'est une identification personnelle par apprentissage automatique, alors je leur ai demandé de ramener uniquement la connaissance qu'il serait plus facile de collecter des images de visage de cette manière, et je vais créer un identifiant de visage plus précis et l'introduire. Je serais reconnaissant si tu pouvais!

Merci d'avoir lu pendant longtemps!

Recommended Posts

Vous ne voulez pas dire que vous avez créé un programme de reconnaissance faciale?
J'ai créé un programme pour vous avertir par LINE lorsque les commutateurs arrivent
Si vous souhaitez créer Word Cloud.
Je ne veux pas passer un test de codage
Voulez-vous que je corrige cette copie?
Je veux exécuter et distribuer un programme qui redimensionne les images Python3 + pyinstaller
Ne demandez pas "Êtes-vous sûr de vouloir continuer à vous connecter"
J'ai créé un système qui vous permet de tweeter simplement en passant un appel téléphonique
Lorsque vous voulez plt.save dans l'instruction for
Je veux dire qu'il y a un prétraitement des données ~
Si vous ne comprenez pas les symboles mathématiques, vous pouvez écrire un programme.
[Django] Mémorandum lorsque vous souhaitez communiquer de manière asynchrone [Python3]
J'ai fait une putain d'application qui ne te laisse pas sauter
Lorsque vous souhaitez lancer une commande UNIX sur Python
Je vous ai fait exécuter des commandes depuis un navigateur WEB
J'ai fait un script pour dire bonjour à mon Koshien
[Sous-processus] Lorsque vous souhaitez exécuter un autre programme Python en code Python
J'ai essayé de faire un programme pour résoudre (indice) la recherche d'erreur de Saiseriya
Si vous souhaitez devenir data scientist, commencez par Kaggle
N'écrivez pas Python si vous voulez l'accélérer avec Python
Je souhaite utiliser un caractère générique que je souhaite décortiquer avec Python remove
J'ai créé un programme qui résout la recherche d'erreur en quelques secondes
Qiskit: Je veux créer un circuit qui crée des états arbitraires! !!
Si vous souhaitez affecter une exportation csv à une variable en python
Ecrire un programme qui abuse du programme et envoie 100 e-mails
Lorsque vous souhaitez trier une liste multidimensionnelle sur plusieurs lignes
Création d'un service qui vous permet de rechercher des données J-League
J'ai fait un programme qui calcule automatiquement le zodiaque avec tkinter
[Python] Un programme qui fait pivoter le contenu de la liste vers la gauche
Notez que vous souhaitez décorer manuellement les paramètres passés dans le formulaire du modèle Django élément par élément
[Pour les débutants chez AtCoder] Parlez de la quantité de calcul que vous voulez connaître approximativement
Opérations clés que vous souhaitez connaître
[Python] J'ai fait un décorateur qui ne semble pas avoir d'utilité.
J'ai créé une application Web en Python qui convertit Markdown en HTML
[Python] Un programme qui calcule le nombre de chaussettes jumelées
Notez que l'environnement Python de Pineapple peut être modifié avec pyenv
Lorsque vous souhaitez remplacer une colonne par une valeur manquante (NaN) colonne par colonne
J'ai créé un classificateur de visage Dir en gray en utilisant TensorFlow --⑥ Programme d'apprentissage
[Python] Si vous souhaitez dessiner un diagramme de dispersion de plusieurs clusters
Un programme qui corrige automatiquement "Takenoko no Sato" en "Kinoko no Yama" "correctement"
Un script shell pour se souvenir à nouveau du shell pipenv
J'ai créé un programme pour saisir ce que j'ai mangé et afficher les calories et les sucres
J'ai créé un konoha de bibliothèque qui fait passer le tokenizer à une belle sensation
J'ai fait un programme pour vérifier la taille d'un fichier avec Python
[Python3] Code qui peut être utilisé lorsque vous souhaitez découper une image dans une taille spécifique
Si vous souhaitez créer une application Windows (exe) qui peut être utilisée maintenant en utilisant uniquement Python