May 2018
Intermediate to advanced
556 pages
13h 21m
Japanese
book
Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習
by Jake VanderPlas, 菊池 彰
Content preview from Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
Start your free trial
5.14
応用：顔検出パイプライン
507
入力画像
HOG
特徴量の可視化
図5-149 画像から計算されたHOG 特徴量の可視化
5.14.2
HOG
の実践：簡単な顔検出
これらの
HOG
機能を使用して、
scikit-learn
の推定器による簡単な顔検出アルゴリズムを構築し
ます。ここでは線形サポートベクターマシンを使用します（詳しくは、「5.7 詳細：サポートベク
ターマシン」を参照してください）。手順は次の通りです。
1.
「陽性」（
positive
）学習サンプルを構成する顔の画像サムネイルセットを取得する。
2.
「陰性」（
negative
）学習サンプルを構成する顔の画像サムネイルセットを取得する。
3.
これらの訓練サンプルから
HOG
特徴を抽出する。
4.
これらのサンプルで線形
SVM
分類器を学習する。
5.
「不明」（
unknown
）画像の場合は、スライディングウィンドウを画像に渡し、そのウィンドウ
に顔が含まれているかどうかを評価する。
6.
検出が重複し
ている場合は、
1
つのウィンドウに結合する。
この手順を実際に試してみましょう。
1.
「陽性」（
positive
）学習サンプルセットを取得する。
さまざまな顔を示す陽性のトレーニングサンプルを見つけることから始めましょう。
scikit-
learn
からダウンロードできる、
Labeled Faces in the Wild
データセットを使います。
In[3]: from sklearn.datasets import fetch_lfw_people