تشخیص سن در پایتون

توضیحات

در این قسمت تیم کدگیت سورس تشخیص سن در پایتون را آماده کرده است. این پروژه تصویر چهره افراد را به عنوان ورودی دریافت کرده و رنج سنی آن‌ها را تشخیص و نمایش می‌دهد. زبان برنامه نویسی پروژه پایتون بوده و با کمک پردازش تصویر و هوش مصنوعی این پروژه پیاده سازی شده است.

تشخیص سن در پایتون

سورس پیاده سازی پروژه تشخیص سن شامل یک فایل پایتون است.همچنین این پروژه نیازمند مدلهای تشخیص چهره و هوش مصنوعی قبلاً Train شده بوده که در ادامه نحوه کار آنها را در پروژه توضیح خواهیم داد. به طور کلی باید دو فاز را در این پروژه دنبال کنیم، اول تشخیص چهره افراد در تصویر و دوم جداسازی ناحیه مهم و تشخیص سن فرد شناسایی شده در مرحله قبل.

ساختار پروژه

برای اجرای کد نیاز است ساختار زیر را رعایت کنید:

├── age_detector
│   ├── age_deploy.prototxt
│   └── age_net.caffemodel
├── face_detector
│   ├── deploy.prototxt
│   └── res10_300x300_ssd_iter_140000.caffemodel
├── images
│   ├── image1.jpg
├── detect_age.py

سه فولدر Age detector و face detector و images در پروژه قرار دارند. Age detector شامل دو فایل به نام‌های age_deploy.prototxt و age_net.caffemodel (این فایل را از آدرس لینک دانلود کنید) می باشد. Face detector شامل دو فایل فایلی به نام deploy.prototxt و res10_300x300_ssd_iter_140000.caffemodel (این فایل را از آدرس لینک دانلود کنید) می باشد.  فایل detect_age.py سورس اصلی پروژه است. در این سورس با کمک فایل‌های قسمت قبل تصویر ورودی خوانده و سن آن را با کمک مدل هوش مصنوعی از پیش Train شده پیش‌بینی می‌کنیم. فولدر images برای قرار دادن فایل های تصویری که می خواهیم ورودی پروژه باشد به کار می رود.

نحوه اجرا

برای اجرا کار ساده‌ای را در پیش داریم. ابتدا فایل‌هایی که در قسمت قبل توضیح دادیم را باید دانلود کنید. بر اساس فولدربندی قسمت قبل، فایل‌ها را بچینید. دقت کنید دقیقاً بر اساس ساختاری باشد که در بخش قبل توضیح دادیم. پس از آماده سازی همه فایل های پروژه، فایل پایتون detect_age.py را اجرا کنید. در پایان خروجی معادل تصویر زیر به شما نمایش داده می‌شود.رنج سنی افراد در بالای کادر قرمز رنگ نوشته شده است.