小编mha*_*hat的帖子

我目前正在使用PIL.

from PIL import Image
try:
    im=Image.open(filename)
    # do stuff
except IOError:
    # filename not an image file

但是,尽管这足以涵盖大多数情况,但未检测到某些图像文件,如xcf,svg和psd.Psd文件抛出OverflowError异常.

有没有我可以包括他们？

OpenCV为面部检测提供了几种Haar Cascade分类器:

- haarcascade_frontalface_alt.xml 
- haarcascade_frontalface_alt2.xml
- haarcascade_frontalface_alt_tree.xml
- haarcascade_frontalface_default.xml

我想知道这些分类器之间有什么区别.

我注意到,在应用程序中,"默认"版本比"alt"和"alt2"版本返回更多误报; 而"alt_tree"版本是最严格的版本.但是,我正在寻找他们的根本差异.例如,如果有人知道他们的培训使用了什么数据库.

谢谢

周期性包容问题

我转发声明另一个标题中的一个类,试图解决它们的周期性包含.这是我的两个文件:

第一个文件(Parameter.h):

#pragma once
#include "Token.h"`

class Expression;

class Parameter {
public:

    Parameter() {
        string = new Token();
        identifier = new Token();
        expr = new Expression();
    }

    Token* string;
    Token* identifier;
    Expression* expr;
};

第二个文件(Expression.h):

#pragma once
#include "Token.h"
#include "Parameter.h"

class Expression {
public:
    Expression() {
        param1 = new Parameter();
        param2 = new Parameter();
        op = new Token();
    }

    Expression(Parameter* p1, Token* o, Parameter* p2) {
        param1 = p1;
        param2 = p2;
        op = …

我正在使用Dlib的正面检测器来检测图像中的面部; 但是,它无法检测小于80 x 80像素的面.

在face_detection_ex.cpp中, Dlib的示例使用输入图像上采样pyramid_up()以增加面部大小.但是,它会使算法慢得多,因为它必须搜索更大的图像.

我想知道是否有人知道这个问题的解决方案.

我训练模型并使用以下方法保存:

saver = tf.train.Saver()
saver.save(session, './my_model_name')

除了检查点文件,它只包含指向模型最新检查点的指针,这将在当前路径中创建以下3个文件:

1. my_model_name.meta
2. my_model_name.index
3. my_model_name.data 00000-的-00001

我想知道每个文件包含什么.

我想在C++中加载这个模型并运行推理.该label_image示例加载从单一的模型.bp使用文件ReadBinaryProto().我想知道如何从这3个文件中加载它.以下是什么C++等价物？

new_saver = tf.train.import_meta_graph('./my_model_name.meta')
new_saver.restore(session, './my_model_name')

我想使用LFW数据库重新训练Dlib的对象检测器。我想知道在哪里可以找到“ labeled_faces_in_the_wild / frontal_faces.xml”文件？