怎么像美利哥本土人一如既往说英文 – 问候语篇必发365bifa0000

by admin on 2019年1月19日

前日就想把那个弄出来,结果白天太懒,上午出去玩,前天眼睁睁地看着有人发了近似小说。可是,嘛,都弄了大体上了,就弄完吧,完毕格局也有些差别。

最广大的问候语

导语:我刚来花旗国那会,问好的时候都很恐慌,尤其是当外人问我How are
you的时候完全懵的,只会很僵硬地应对good,可是心里在想对方问我怎么我是不是该回应的有血有肉一点。不过,事实是无情冰冷的:

一旦有人在错过的时候很随便地问您,how are
you?就一定于国文的你好同一,并从未青眼你究竟怎么的情趣,由此不要以为对方想和你举行什么深刻的对话。正确的回复就是:good(说得慢一点,最好加一点很夸张性感的声调),然后瞧着对方的眼眸说:How
about you?或者How are
you?然后等对方简短回应完,就甘休对话,继续往前走。

上边我就来说说在美利坚合众国最广大的问候语:

从前几天起,朋友圈陆陆续续开始现出“给自身一顶圣诞帽@微信官方”的音讯,自己也被涮了一把。

假诺是情侣之间,或者即使想不管打个招呼……

– Hey! (最广泛)/ Hey man (更加多的是男士用语) / Hey dude
(更加随意一点) / Hey guys (要是是问好多于一个人)

当即想了半天,微信官方肯定是先把用户的头像提取出来,之后用统计机视觉技术拓展面部识别,找出人脸的坐标,并且判断角度,之后加上帽子。是的,就是那样
!不由惊叹,现在腾讯真牛啊,这么快就把那个都用上了。

若是想要稍微正式一点……

– How are you? / How’s it going? (也卓殊广泛)

当说How’s it
going的时候,一般going的发音会变成go-in,显得比较随意。

而外自家一发轫说的Good之外,也足以说I am doing well

结果,发现整个都特么是假的…

只要想要稍微酷一点……

– Hey, what’s up? / What’s going on?

与应对how are you一样,不要把这些问句太当回事,一般情形下就应对:nothing
much就好了。当然,假如想要多聊一点,可以稍微说一些新鲜事,然后再反问对方。

万一对方真的对你的生活感兴趣的话,一般会第二次问:so how are
you?(重音在are上),这么些时候就足以真正展开叙述您究竟怎么啊。

唯独既然有想法了,那不妨自己弄一弄呗,作为调包小能人,只要用现成的库就好了。

假若好对象遇到……

– How have you been?! / How’s everything? / How’s life?

心想事成想法

首先先说说想法,先把全体经过分成几步,那样子每个部分写好区其他函数就好了。

  1. 开首河我们要做的当然是找到脸,并且取得脸部的坐标。

  2. 下一场依据脸部的坐标,调整帽子的大大小小和职位,插手图片。

  3. 插手分歧类其余帽子,竣事!

一经很久没会晤的对象……

– Long time no see! / It’s been a while since I last saw you! How are
you? 等等

什么样都别说,先把人给自家找出来!

初期想到脸部检测,当然是种种深度学习CNN什么的,然而结果发现太费事了。自己陶冶的话必要比较久,用已有模型也正如大,跑起来麻烦。

自此突然见到OpenCV直接有面部检测模块,就拿来一向用啊。懒人第一标准化,能不出手就不出手,信奉拿来主义。

OpenCV 有三种常用的面孔检测器,一个是Haar 分类器,一个是LBP
分类器
,七个都不是深度学习脸部检测器。

Haar的话,重若是使用人脸的长相特征,然后用自然形状的滤镜来检测那种特性。比如比较有特色的眼睛有些。

而LBP的话,将图纸分为很多小的区域,然后用自然措施开展编码,最后发生一个特征向量。进程相比较复杂,有趣味自己精心看看。

那七个都急需事先在众多图形上拓展训练,幸运的是OpenCV已经提供了有些教练好的模型。那么那七个哪个更好呢,一般的话Haar的准确率更高,而LBP的进程更快

来敲代码吧,首先召唤各样小助手们。

import cv2 # 计算机视觉库
import matplotlib.pyplot as plt # 画图
import numpy as np
import random
from os import listdir
from PIL import Image, ImageDraw # 图像处理
%matplotlib inline

满脸识别函数代码如下。

def face_detection(path, method='haar'):
    """
    Face detection funciton.
    Input: Photo path, and detection methods (Haar or LBP)
    Output: The coordinates of faces
    """
    # Load Photos
    photo = cv2.imread(path)
    # Face detector can only use gray scale img
    gray_photo = cv2.cvtColor(photo, cv2.COLOR_BGR2GRAY)

先是读入图片,并且转换成灰度图片。因为模型是在灰度图片上磨练的。

# Load Classifier, we detect both frontal faces and profile faces
if method.lower() == 'haar':
    front_detector = cv2.CascadeClassifier('models/haarcascade_frontalface_alt.xml')
    side_detector = cv2.CascadeClassifier('models/haarcascade_profileface.xml')
elif method.lower() == 'lbp':
    front_detector = cv2.CascadeClassifier('models/lbpcascade_frontalface_improved.xml')
    side_detector = cv2.CascadeClassifier('models/lbpcascade_profileface.xml')
else:
    print('No such method! Only provide haar and lbp now.')

下一场加载锻炼好的正脸和侧脸识别器(看不到脸,就从未有过罪名XD)。

# Detect Faces
faces = front_detector.detectMultiScale(gray_photo, scaleFactor=1.1, minNeighbors=5)
side_faces = side_detector.detectMultiScale(gray_photo, scaleFactor=1.1, minNeighbors=5)
if len(faces) < 1:
    faces = side_faces
elif len(side_faces) >= 1:
    np.append(faces, side_faces, axis=0)
return faces

最后,分别用三个分类器检测脸,再把多个结实合起来。

那规范就成功第一步,有了脸的坐标了。

万一是办事场合如故正如正规的场面……

对于此前没见过的人选:Nice to meet you!Glad to know you! 等等

对于上级仍然不熟的同事:Good morning / Good afternoon 等等

送您一顶圣诞帽

然后就是基于脸的坐标来把帽子贴上去了,首先第一个问题是,因为帽子的尺码和图片尺寸可能并不切合,所以即便直白戴的话,会合世大小不一致的题目,而且地点也正如奇怪。比如说那样子。

据此就要求调整帽子尺寸和职位。代码如下,分成多个函数。

# Adjust the size of hats
def resize_hat(face, hat, scale=1.5):
    w = int(face[2] * scale)
    h = int(face[3] * scale)
    new_hat = new_hat.resize((w, h))
    return newhat, w, h

第一调尺寸,我就随便望着头的大小调了调,帽子大小可以依据scale参数来调动,默许1.5倍脸部的长宽大小。

# Add one hat to a face
def add_one_hat(image, hat_img, face, x_offset_rate=2.8, y_offset_rate=0.95):
    # x_offset_rate bigger then the hat will move right
    # y_offset_rate bigger then the hat will move above
    hat, w, h = resize_hat(face, hat_img)
    y = int(face[1] - face[3]*0.95)
    x = int(face[0] + face[2]/2 - w/2.8)
    image.paste(hat, (x, y), hat)

给一张脸戴帽子,依照多次运作结果,选定了x和y的职责偏移值,不满足默许值也足以自己调偏移参数。

有了地点七个函数之后,只要给本人一张脸我就能给它戴帽子了,之后假诺把检测到的脸一一输进去就足以了。

# Loop faces add hat to each detected face
def add_hats(img_path, hat_path, faces):
    image = Image.open(img_path)
    hat_img = Image.open(hat_path)
    for face in faces:
        add_one_hat(image, hat_img, face)
    return image

通过for循环一张张读脸,然后加帽子,于是就到位了骨干的法力了,顶级简单是不是。嘿。

只是只有一款帽子,不开玩笑,圣诞节怎么能没有藏蓝色的帽子呢。

短信里怎么问候对方

其实假设是仇人来说,发什么都可以,口语里和朋友的问候语在短信里一样适用。可是一旦想要可爱一点以来,上面是短信里大家莫不会发的问候语……

– Heeeeellllooooooo / Sup / Yo!

只是我一般都是过年过节的时候发问候语,一般会助长对方的名字以示尊重,比如……

– Happy New Year, Audrey!! <3 <3 <3

<3是比心的趣味,当然也可以用其余emoji显得比较cute。

日增帽子款式,随机挑选

其一就至极不难了,首先把帽子的门径都检测出来,之后再在add_hats函数里面插足随机选拔帽子的代码。

# Get paths of all hat
hat_dir = 'photos/hats/'
hat_paths = [hat_dir+f for f in listdir(hat_dir) if f.endswith('png')]

得到所有帽子的途径。

def add_hats(img_path, hats_path, faces):
    image = Image.open(img_path)
    # Random select one hat from hats path
    for face in faces:
        hat_path = random.choice(hats_path)
        hat_img = Image.open(hat_path)
        add_one_hat(image, hat_img, face)
    return image

修改add_hats,然后就完了啦!

邮件里怎么问候对方

迷人的测试时间

今后就到了可爱的测试时间啦,让大家来探望效果怎么着呢。

先拿张多少人照片测试一下。

哦,不错不错,都是别出来了。再来看看自己爱好的四重奏。

意义喜人,原来不光有带帽子功效,还是可以精确地分辨出有没有被NTR,厉害厉害。

好,那再来测试一下人口上限。嘿,接招。

嗯….
怎么才这么点,难道说唯有颜值大于8的人才能带上圣诞帽。不对,我的分类器怎么会那样肤浅呢!

那么调调face_detection里面detectMultiScale的参数看看,因为scaleFactor参数影响了图片中远近人脸的检测,把它调大一些。

Bingo ! 一下就多了重重绿帽子。

恩,看来只要不是太极端的景色,仍然很好用的。那么现在来测试一下微信头像吧,就拿公公的头像来测试一下先。当当!

效率不一般,还很亲切地给前边毛外公像加了顶圣诞帽。发给老爹,老爹代表很乐意给了个红包。

嗯,仍是可以怎么玩呢。

对了!现在微信不都快成了动物园了呢,拿喵星人来测试一下。当当!

噫,啥也远非,又测试了八只猫居然还尤其,看来现在的模型唯其如此检测人脸。那会不会有猫脸检测模型呢,跑去OpenCV的代码库找了找,居然很密切的还真有。修改了一晃face_detection函数,具体参考文后github的链接。

再一测试,当当!

大致无微不至!

工作中的邮件……

– Hi Lisa / Good morning Lisa / Good afternoon Lisa

– 或者直接Lisa, / 丽莎(Lisa)-

拉长个Hi显得会亲热一些,但是众多director或者manager就有可能不加Hi,可能是为了彰显权威吧。看发邮件的目的呢。如若以为对方比较得体一点,就不肯定要加Hi。

问候之后,一般就直接是主旨了,比如Per your request,…… / I have looked
into……/ I’m writing this email to……

尾声

深夜拿着总计机去给心上人展示自行戴圣诞帽系统,先传输图片,然后输入模型,保存图片,传到手机,整个经过仍旧只用了10分钟。我只问你,你可见过这么高级的系统吧!!!

恋人默默拿过手机,下载了一款图片编辑app,搜索圣诞帽,贴图,保存。整个进度花了2分钟。

假若是恋人的话……

– Hi 杰克,一般我就径直那样初步,然后开篇第一行会说:

– How have you been?! Hope everything is going well! 然后随着正文内容

这篇文章就先到那里,下篇作品主要讲讲短信里的缩略语,比如ttyl,xoxo,lol,lmao,tmr等等……

…………………………………………………………………………………..

劳资才不罕见这么low逼的P图技术吧!!!

github代码:
https://github.com/andy-yangz/gimme\_a\_Santa\_hat

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图