معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Face extraction system

ویژگی	مقدار
سیستم عامل	-
نام فایل	facedet-2.0
نام	facedet
نسخه کتابخانه	2.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Balakrishna Kommanaboina
ایمیل نویسنده	balu636216@gmail.com
آدرس صفحه اصلی	https://github.com/Batserine/Face_extraction
آدرس اینترنتی	https://pypi.org/project/facedet/
مجوز	-

## Face_extraction Python implementation of face extraction using haar-cascade classifier for frontal faces. ### Requirements The requirements.txt file contains following: ```markdown 1. numpy 2. opencv-python 3. opencv-utils `[sudo] pip install -r requirements.txt` ``` ``` Download the project. Unzip this zip folder. ``` ### Installation You can install this package in two ways: 1. PIP installation 2. ZIP extraction ```markdown # PIP Installation Install latest version(1.0) from the [source](https://pypi.org/project/facedet/). **or** `[sudo] pip install facedet` Then type `python3` **outside** folders' location in terminal. And type these to get output. `>>> import facedet` `>>> from facedet import faceext` `>>> faceext.extract()` By default this package reads the images (`data2.jpg`) that was already given. ``` ```markdown # ZIP Installation After extracting zip from the repository. Type this command **in** file location. `[sudo] python3 faceext.py <path/to/image>` or you can select the images from data folder. This way you can check for different images. ``` ### Remarks 1. This application is applied to Low-resoluted images. Throws an exception if high-resolution given. 2. Loops and Conditional statements are avoided and replaced with numpy arrays to reduce Time Complexity. ### License This project is licensed under the MIT license.

نحوه نصب

نصب پکیج whl facedet-2.0:

pip install facedet-2.0.whl

نصب پکیج tar.gz facedet-2.0:

pip install facedet-2.0.tar.gz