
Bahasa Inggris | 中文
Anda dapat menggunakannya untuk secara otomatis menghapus mosaik dalam gambar dan video, atau menambahkan mosaik ke dalamnya.
Proyek ini didasarkan pada "segmentasi semantik" dan "terjemahan gambar-ke-gambar".
Cobalah di situs web ini!

| asal | Auto Tambahkan Mosaic | Mosaik bersih otomatis |
|---|---|---|
![]() | ![]() | ![]() |
![]() | ![]() | ![]() |
| gambar mosaik | Deepcreamppy | milik kita |
|---|---|---|
![]() | ![]() | ![]() |
![]() | ![]() | ![]() |
| asal | ke Van Gogh | ke musim dingin |
|---|---|---|
![]() | ![]() | ![]() |
Contoh yang menarik: Ricardo Milos ke kucing
Anda dapat menjalankan DeepMosaics melalui paket biner yang sudah dibangun, atau dari sumber.
Anda cukup mencoba menghapus mosaik di wajah di situs web ini.
Untuk Windows, kami menganjurkan versi GUI untuk pengujian yang mudah.
Unduh versi ini, dan model pra-terlatih melalui [Google Drive] [百度云, 提取码 1x0a]

Perhatian:
Kode ini tergantung pada OpenCV-Python, TorchVision yang tersedia melalui PIP Install.
git clone https://github.com/HypoX64/DeepMosaics.git
cd DeepMosaics Anda dapat mengunduh model pre_trained dan memasukkannya ke './pretrain_models'.
[Google Drive] [百度云, 提取码 1x0a]
[Pengantar model pra-terlatih]
Untuk menambah/menghapus mosaic, harus ada file model mosaic_position.pth at ./pretrained_models/mosaic/mosaic_position.pth
(Opsional) Buat lingkungan virtual
virtualenv mosaic
source mosaic/bin/activateKemudian pasang dependensi
pip install -r requirements.txt Jika Anda tidak dapat membangun scikit-image , menjalankan export CFLAGS='-Wno-implicit-function-declaration kemudian cobalah untuk membangun kembali.
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 Jika Anda melihat kesalahan Please check mosaic_position_model_path! , periksa apakah ada file model bernama mosaic_position.pth di ./pretrained_models/mosaic/mosaic_position.pth
Jika Anda ingin menguji gambar atau video lain, silakan merujuk ke file ini.
[option_introduction.md]
Jika Anda ingin berlatih dengan dataset Anda sendiri, silakan merujuk ke pelatihan_with_your_own_dataset.md
Kode ini banyak meminjam dari [pytorch-cyclegan-and-pix2pix] [pytorch-unet] [pix2pixhd] [bisenet] [dfdnet] [gfrnet_pytorch_new].