DeepMosaics

DeepMosaics

英語| 中文
それを使用して、画像やビデオでモザイクを自動的に削除したり、モザイクを追加したりできます。
このプロジェクトは、「セマンティックセグメンテーション」と「画像間翻訳」に基づいています。
このウェブサイトで試してみてください！

例

起源	モザイクを自動追加します	オートクリーンモザイク

• deepcreampyと比較して

モザイク画像	deepcreampy	私たちのもの

• スタイル転送

起源	ゴッホに	冬に

興味深い例：リカルド・ミロスから猫へ

DeepMosaicsを実行します

事前に構築されたバイナリパッケージを使用して、またはソースからDeepMosaicsを実行できます。

Webで試してみてください

このウェブサイトで顔のモザイクを削除するだけです。

事前に構築されたバイナリパッケージ

Windowsの場合、簡単にテストするためにGUIバージョンを充填します。
このバージョンをダウンロードし、[Google Drive] [百度云、提取码1x0a]を介して事前に訓練されたモデルをダウンロードします

• [文書をヘルプ]
  
• ビデオチュートリアル=> [YouTube] [bilibili]

注意：

• windows_x86_64が必要です。Windows10の方が優れています。
  
• さまざまな事前に訓練されたモデルは、さまざまな効果に適しています。[事前に訓練されたモデルの紹介]
  
• 実行時間はコンピューターのパフォーマンスに依存します（GPUバージョンのパフォーマンスが向上しますが、CUDAをインストールする必要があります）。
  
• 出力ビデオを再生できない場合は、PotPlayerで試すことができます。
  
• GUIバージョンは、ソースよりも遅く更新されます。
  

ソースから実行します

前提条件

• Linux、Mac OS、Windows
• Python 3.6+
• FFMPEG 3.4.6
• Pytorch 1.0+
• CPUまたはNVIDIA GPU + CUDA CUDNN
  

依存関係

このコードは、PIPインストールを介して利用可能なTorchVision、OpenCV-Pythonに依存します。

このレポをクローンします

git clone https://github.com/HypoX64/DeepMosaics.git
cd DeepMosaics

事前に訓練されたモデルを取得します

pre_trainedモデルをダウンロードして、それらを './pretrained_models'に入れることができます。
[Googleドライブ] [百度云、提取码1x0a]
[事前に訓練されたモデルの紹介]

モザイクを追加/削除するには、モデルファイルmosaic_position.pth at ./pretrained_models/mosaic/mosaic_position.pthが必要です。

依存関係をインストールします

（オプション）仮想環境を作成します

virtualenv mosaic
source mosaic/bin/activate

次に、依存関係をインストールします

pip install -r requirements.txt

scikit-imageを構築できない場合は、 export CFLAGS='-Wno-implicit-function-declarationして、再構築してみてください。

簡単な例

• モザイクを追加します（出力メディアは './result'で保存されます）
  

python deepmosaic.py --media_path ./imgs/ruoruo.jpg --model_path ./pretrained_models/mosaic/add_face.pth --gpu_id 0

• クリーンモザイク（出力メディアは './result'で保存されます）
  

python deepmosaic.py --media_path ./result/ruoruo_add.jpg --model_path ./pretrained_models/mosaic/clean_face_HD.pth --gpu_id 0

エラーが表示されている場合はPlease check mosaic_position_model_path! 、 mosaic_position.pth at ./pretrained_models/mosaic/mosaic_position.pthという名前のモデルファイルがあるかどうかを確認します

その他のパラメーター

他の画像やビデオをテストする場合は、このファイルを参照してください。
[option_introduction.md]

独自のデータセットでトレーニングします

独自のデータセットでトレーニングしたい場合は、Training_with_your_own_dataset.mdを参照してください

謝辞

このコードは、[pytorch-cyclegan-and-pix2pix] [pytorch-unet] [pix2pixhd] [bisenet] [dfdnet] [gfrnet_pytorch_new]から大きく借ります。