Ошибка при получении встраивания из рентабельности инвестиций с помощью Deepface Deepface.represent ⇐ Python

[Anonymous]

У меня возникла проблема с получением Deepface встраивания из обрезанной рентабельности инвестиций, определенной Retinaface.
Для начала я пытаюсь научиться распознавать объекты с помощью своего набора данных (изображений) нескольких знаменитостей. и, возможно, подумываю об использовании его для своей личной библиотеки фотографий. Я попробовал Haar Cascade для распознавания лиц и LBPHFaceRecouncee из открытого резюме для распознавания лиц, которые работали хорошо. Затем я захотел попробовать Retinafce для распознавания лиц и получить окупаемость инвестиций. ROI сохраняется в списке, и с помощью Deepface можно получить встраивания из выбранной ROI и сохранить их в другом списке. Я пытаюсь сохранить вложения в список, но продолжаю получать
raise ValueError(
ValueError: лицо не удалось обнаружить в массиве numpy. Подтвердите, что изображение является фотографией лица, или рассмотрите возможность установки Enforce_detection для параметра установлено значение False.
Хотя на всех изображениях четко распознано лицо, вот мой код для справки:

Код: Выделить всё

import os
import cv2 as cv
from retinaface import RetinaFace
from deepface import DeepFace
import numpy as np
from sklearn.svm import SVC
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

artist =  ['50cent']   # type: ignore #MJ the GOAT!! , 'Kanye', 'Eminem', 'MichaelJackson'
ROOT_DIR = 'asset/Face_Recon_Dataset'     #Path to image dataset
faces_roi =[]
labels = []
embeddings = []
# now draw a rectangle on the face coordinates
# The facial range has :
# x1, y1) = (28, 51)  # top-left corner
# (x2, y2) = (61, 98)  # bottom-right corner
""" This defines the rectangular bounding box around the detected face.
- x1 (28): left edge of the face
- y1 (51): top edge of the face˜
- x2 (61): right edge of the face
- y2 (98): bottom edge of the face """

def get_roi():
for artist_name in artist:
# getting the index of the artist's name
label = artist.index(artist_name)
image_folder = os.path.join(ROOT_DIR,artist_name)    # getting to actual folder taht houss the images
for artist_images in os.listdir(image_folder):       # listing all the images inside that directory
image = os.path.join(image_folder,artist_images)
resp = RetinaFace.detect_faces(image)
# making sure a face exists
if isinstance(resp,dict):
img = cv.imread(image)
for face_id, face_data in resp.items():
# print(face_id)
# print("x1: ", face_data['facial_area'][0])
# print("y1: ", face_data['facial_area'][1])
# print("x2: ", face_data['facial_area'][2])
# print("y2: ", face_data['facial_area'][3], "\n")
# Reading image

# detecting faces
x1 = face_data['facial_area'][0]
y1 = face_data['facial_area'][1]
x2 = face_data['facial_area'][2]
y2 = face_data['facial_area'][3]

# Drawing a bounding box for the face
# faces_rect = cv.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
face_roi = img[y1:y2,x1:x2]

# labelling the cropped roi faces with its name
faces_roi.append(face_roi)

labels.append(label)
print(len(faces_roi))
print(len(labels))
print("Images lablled and indexed")
print("Initializing Embedding process.....")
get_embeddings()

def get_embeddings():
""" Using deepface to extract embeddings from each facial roi """
print("Satarting embedding: 🚀🚀 ")
for roi in faces_roi:
face_roi_resized = cv.resize(roi, (160, 160))  # Resize the face ROI to 160x160 pixels
embedding = DeepFace.represent(face_roi_resized, model_name="Facenet")
print(embedding)
embeddings.append(embedding)
print("Vectors stored in list..")

get_roi()

# Time to test and Train this bad boi using svm classifier
# labelling embedding and index to numpy array
X = np.array(embeddings)  #feature
y = np.array(labels)      #label

# Split the data into training and testing sets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Train an SVM classifier
svm_model = SVC(kernel='linear')  # Linear kernel is a good default for embeddings
svm_model.fit(X_train, y_train)

# Evaluate the model
y_pred = svm_model.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print(f"SVM Model accuracy: {accuracy * 100:.2f}%")

Может кто-нибудь помочь мне понять, почему эта ошибка настолько постоянна, хотя рентабельность инвестиций была обрезана, и как лучше всего устранить эту ошибку??

Подробнее здесь: https://stackoverflow.com/questions/790 ... -represent