python数据分析 python用opencv做的人脸识别占用性能严重，怎么优化？
python用opencv做的人脸识别占用性能严重，怎么优化？
关于您的问题的描述性信息太少。无法给出具体答案。你只能给出一个大概的想法。
Python虽然易学易用，但效率不高，所以一般适合实验性代码开发，可以快速验证思想或算法的正确性。例如，在谈到人脸识别时，无论是使用深度学习算法还是传统算法，都应该首先设计一个算法，验证它是否能正常工作。只有能够正确检测出人脸的算法才是可行的算法。至于效率，这是下一个优化目标。
一般来说，图像处理的计算量比较大，在验证了算法的正确性后，通常会将Python代码移植到更高效的C/C平台上，特别是对于opencv，因为opencv的开发语言是C，至于如何用C调用Python模型，请参考我写的一篇文章，也是关于图像处理的。
此外，对于计算量较大的任务，如深度学习，CPU往往难以满足计算要求，因此需要GPU加速。
人工智能和python是什么关系？
人工智能是一个大概念，具体落地人工智能项目会联系机器学习和深度学习框架，这些框架大多是基于Python开发的，所以为了进一步人工智能项目的开发，Python语言的学习也是很有必要的
python开发人脸识别，常用的框架有哪些？
用Python从opencv做人脸识别还是太难了，因为opencv提供的设施太基础了，现在做人脸识别的人都要用深度学习算法来训练模型，这样识别率才能提高。
因此，我们必须找到一个更高级别的框架。
例如，尝试此基于Dlib的人脸识别库（您也可以直接使用Dlib）：https://github.com/ageitgey/faceRecognition#face Recognition
有很多类似的框架，可以在GitHub上找到。然而，它们还达不到工业强度。如果您想在生产环境中使用它们，就必须权衡代码的质量和准确性。有很多洞。
python做人脸识别用OpenCV就够了吗？你怎么看？
问这个问题是懒惰的，就像只记住500个单词就可以考研究生一样。
Opencv是一个开源的计算机视觉库，它提供了许多函数来非常有效地实现计算机视觉算法。更像是工具箱。虽然4.0版引入了深度学习，但在实际应用中还远远不够。最多是用来尝试新事物。
现在比较成熟的人脸识别方法是SSD人脸检测，采用Caffe框架。建议您理解这一点。它可以高度定制，甚至训练好的模型也可以直接部署。
人脸识别本质上属于深度学习。如果你想长期深入这个领域，就必须掌握基础。当你掌握基础的时候，你会通过看TunSoFrand和咖啡馆来理解它。这些都是手套。要调用API接口，建议使用face，支付宝人脸识别使用face。可能会花一点钱。它不贵。只需将feelapi接口放入代码中。它还可以检测情绪、年龄等。
当然，还有其他公司的人脸识别API接口。你可以自己找。其实，有很多，但他们不是免费的。有些人可以试试
python数据分析 python人脸识别库 python人脸识别源码
版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。
