对象检测是计算机视觉的经典用例,已广泛应用于许多实际问题,例如视频监视系统。 在本节中,我们将使用 Face API 从给定图像中检测面部。 在设计视频监视系统时,可以直接使用。 您可以从其官方页面 [https://azure.microsoft.com/zh-cn/services/cognitive-services/face/](https://azure.microsoft.com/en-us/services/cognitive-services/face/)了解有关 Face API 的更多信息。
对象检测是计算机视觉的经典用例,已广泛应用于许多实际问题,例如视频监视系统。 在本节中,我们将使用 Face API 从给定图像中检测面部。 在设计视频监视系统时,可以直接使用。 您可以从[其官方页面](https://azure.microsoft.com/en-us/services/cognitive-services/face/)了解有关 Face API 的更多信息。
# 初始设置
Azure 还可以让您免费试用此 API 7 天。 但是,由于您已经拥有一个 Azure 帐户(我想拥有免费信用),因此我们可以采用另一种方式,如下所示:
@@ -98,7 +98,7 @@ Azure 还可以让您免费试用此 API 7 天。 但是,由于您已经拥有
![](img/08af55b4-5b80-44b4-9943-282a9618ff8d.png)
只需向下滚动一点,您将能够看到 Face API 的端点。 请注意,它会根据您在创建部署时输入的配置详细信息而有所不同。 端点看起来像[https://eastus.api.cognitive.microsoft.com/face/v1.0](https://eastus.api.cognitive.microsoft.com/face/v1.0)。 注意这一点。
只需向下滚动一点,您将能够看到 Face API 的端点。 请注意,它会根据您在创建部署时输入的配置详细信息而有所不同。 端点看起来像[这里](https://eastus.api.cognitive.microsoft.com/face/v1.0)。 注意这一点。
现在,要能够以编程方式使用 Face API,您需要创建相应的 API 密钥。 在同一页面的顶部,有一个部分显示**抓取密钥**:
...
...
@@ -114,7 +114,7 @@ Azure 还可以让您免费试用此 API 7 天。 但是,由于您已经拥有
当您的程序包含诸如 API 密钥之类的安全凭证时,通常最好将这些密钥定义为环境变量,然后在程序中调用它们。 因此,继续创建一个环境变量以存储 Face API 的 API 密钥之一。
`beautifulsoup`是通常用于执行 Web 抓取的库。 `Scrapy`是另一种流行的工具,可以非常快速地使用。
数据清除将完全取决于您收集的数据形式,并且在本书的前几章中已进行了讨论。 我们将假定您能够将数据转换为适合您希望进行模型构建部分的格式。 对于本节中的其他主题,我们将使用一个名为 Amazon Fine Food Reviews 的准备好的数据集,可以从[https://www.kaggle.com/snap/amazon-fine-food-reviews 下载。](https://www.kaggle.com/snap/amazon-fine-food-reviews)提取下载的 ZIP 文件后,您将获得名为`Reviews.csv`的数据集。
数据清除将完全取决于您收集的数据形式,并且在本书的前几章中已进行了讨论。 我们将假定您能够将数据转换为适合您希望进行模型构建部分的格式。 对于本节中的其他主题,我们将使用一个名为 Amazon Fine Food Reviews 的准备好的数据集,可以从[这里](https://www.kaggle.com/snap/amazon-fine-food-reviews)下载。提取下载的 ZIP 文件后,您将获得名为`Reviews.csv`的数据集。
[https://github.com/Nilabhra/kolkata_nlp_workshop_2019](https://github.com/Nilabhra/kolkata_nlp_workshop_2019)是观察如何执行 Web 抓取和准备干净数据集的一个很好的起点。
[这里](https://github.com/Nilabhra/kolkata_nlp_workshop_2019)是观察如何执行 Web 抓取和准备干净数据集的一个很好的起点。