はてなブックマーク

1.はじめに OpenCVとdlibで顔認識を実験してみました。 2. Face Detector() まず、顔を検出します。 顔の検出というのは、「画像の中から、人の顔を認識し、その位置を特定する」ことを意味します。 dlibのget_frontal_face_detector()を利用します。 import dlib #dlibのget_frontal_face_detectorのインスタンスを立てる。 detector = dlib.get_frontal_face_detector() #imagesで顔を検出し、それをfacesに保存する。 faces = detector(images) 上記のコードのfacesに保存された情報を元に、検出された顔に四角い枠を表示します。 実行結果を示します。二人の女性を顔を検出し、白い枠で表示されていることが分かります。 3. Facial

1. 初めに Google Colabratoryの利用に有用なTipsを纏めます。 2. Google Drive マウント Google Colabでは、仮想環境の/content/にファイルが生成・保存されます。 例えば、自前の写真データセットを使いたい時を考えましょう。　/content/にデータセットを直接にアップロードする代わりに、そのデータセットを事前にGoogle Driveのどこかに入れてから、Google Driveをマウントします。そして、Google Driveの写真データセットのフォルダーを指定したほうが使いやすいです。 下記にサンプルコードを掲載します。 from google.colab import drive drive.mount('/content/drive') #Datasets Dir (例) base_dir = '/content/drive

はじめに 先日、リリースされた機械学習ライブラリーPyCaretを使ってみました。 データの特徴量分析や複数のモデルとの性能比較作業が自動化され、これまでのデータサイエンティストの作業時間がだいぶ減ると思います。 今回は、タイタニック生存予想問題を、PyCaretにかけて、予測結果をKaggleにSubmissionし、その結果を見てみます。 *前回に掲載した、PyCaretでワインの品質を分類してみた の後続記事です。 * 1. PyCaretのインストール 下記のコードを実行しインストールします。 Anacondaを使っていますが、PyCaret専用の仮想環境を立ち上げてインストールしました。 既存のCondaで管理されてる仮想環境では、エラーが発生する場合があります。(恐らくpipとcondaとの衝突が原因）

はじめに 先日、リリースされた機械学習ライブラリーPyCaretを使ってみました。 データの特徴量分析や複数のモデルとの性能比較作業が自動化され、これまでのデータサイエンティストの作業時間がだいぶ減ると思います。 1. PyCaretのインストール 下記のコードを実行しインストールします。 Anacondaを使っていますが、PyCaret専用の仮想環境を立ち上げてインストールしました。 既存のCondaで管理されてる仮想環境では、エラーが発生する場合があります。(恐らくpipとcondaとの衝突が原因） 2.データの取得 今回はWine Qualityデータセットを使います。 データセットには、説明変数として11項目、ワインの品質を表す目的変数（Quality)1項目で整理されています。 説明変数 1 - fixed acidity　(固定酸度) 2 - volatile acidity

はじめに Pythonでプログラムを作り、そのプログラムで、外部H/Wを制御したい時があります。 例えば、ノートパソコンをPLCの24Vラインに繋いで、直接に信号の通信を行う場合です。この通信を実現するために、パソコンが制御できるI/Oポートが必要になります。 関連記事：ノートパソコンにGPIOインターフェースあれば・・ Rasbeprry PIやNVIDIA Jetson nanoのようなシングルボード小型コンピュータには、自前のGPIOポートを内蔵しているため、関連の設定が簡単です。しかし、パソコンの場合には、USB以外のI/Oポートがしないため、別途のGPIOボードを用意し、ドライバーの設置やライブラリーの設定を行う必要があります。 今回の記事では、Windowsパソコンに12ポートのGPIOボードを設置する方法をご紹介します。 GPIOボードの紹介 GPIOボードとしてAdafru