
Anglais | 中文
Vous pouvez l'utiliser pour supprimer automatiquement les mosaïques en images et vidéos, ou y ajouter des mosaïques.
Ce projet est basé sur la "segmentation sémantique" et la "traduction d'image à l'image".
Essayez-le sur ce site!

| origine | Ajouter automatiquement la mosaïque | mosaïque propre |
|---|---|---|
![]() | ![]() | ![]() |
![]() | ![]() | ![]() |
| image mosaïque | Profondément | la nôtre |
|---|---|---|
![]() | ![]() | ![]() |
![]() | ![]() | ![]() |
| origine | à Van Gogh | à l'hiver |
|---|---|---|
![]() | ![]() | ![]() |
Un exemple intéressant: Ricardo Milos à Cat
Vous pouvez soit exécuter DeepMosaics via un package binaire prédéfini, soit à partir de Source.
Vous pouvez simplement essayer de supprimer la mosaïque sur le visage sur ce site.
Pour Windows, nous avons gonflé une version GUI pour des tests faciles.
Téléchargez cette version et un modèle pré-formé via [Google Drive] [百度云, 提取码 1x0a]

Attentions:
Ce code dépend d'OpenCV-Python, TorchVision disponible via PIP Installer.
git clone https://github.com/HypoX64/DeepMosaics.git
cd DeepMosaics Vous pouvez télécharger des modèles pré_trained et les mettre dans './pretrained_models'.
[Google Drive] [百度云, 提取码 1x0a]
[Introduction aux modèles pré-formés]
Afin d'ajouter / supprimer la mosaïque, il doit y avoir un fichier de modèle mosaic_position.pth à ./pretrained_models/mosaic/mosaic_position.pth
(Facultatif) Créer un environnement virtuel
virtualenv mosaic
source mosaic/bin/activatePuis installez les dépendances
pip install -r requirements.txt Si vous ne pouvez pas construire scikit-image , exécuter export CFLAGS='-Wno-implicit-function-declaration , essayez de reconstruire.
python deepmosaic.py --media_path ./imgs/ruoruo.jpg --model_path ./pretrained_models/mosaic/add_face.pth --gpu_id 0python deepmosaic.py --media_path ./result/ruoruo_add.jpg --model_path ./pretrained_models/mosaic/clean_face_HD.pth --gpu_id 0 Si vous voyez l'erreur Please check mosaic_position_model_path! , Vérifiez s'il existe un fichier modèle nommé mosaic_position.pth à ./pretrained_models/mosaic/mosaic_position.pth
Si vous souhaitez tester d'autres images ou vidéos, veuillez vous référer à ce fichier.
[options_introduction.md]
Si vous souhaitez vous entraîner avec votre propre ensemble de données, veuillez vous référer à Training_With_Your_Own_Dataset.MD
Ce code emprunte fortement [pytorch-cyclegan-et-pix2pix] [pytorch-unet] [pix2pixhd] [bisenet] [dfdnet] [gfrnet_pytorch_new].