
Inglês | 中文
Você pode usá -lo para remover automaticamente os mosaicos em imagens e vídeos ou adicionar mosaicos a eles.
Este projeto é baseado em "segmentação semântica" e "tradução de imagem para imagem".
Experimente neste site!

| origem | Adicione automaticamente o mosaico | Mosaico limpo automático |
|---|---|---|
![]() | ![]() | ![]() |
![]() | ![]() | ![]() |
| imagem em mosaico | DeepCreampy | nosso |
|---|---|---|
![]() | ![]() | ![]() |
![]() | ![]() | ![]() |
| origem | para Van Gogh | para o inverno |
|---|---|---|
![]() | ![]() | ![]() |
Um exemplo interessante: Ricardo Milos para Cat
Você pode executar o DeepMosaics por meio de um pacote binário pré-criado ou da fonte.
Você pode simplesmente tentar remover o mosaico no rosto neste site.
Para o Windows, assumimos uma versão da GUI para facilitar o teste.
Faça o download desta versão e um modelo pré-treinado via [Google Drive] [百度云, 提取码 1x0a]

Attentões:
Este código depende do OpenCV-Python, TorchVision disponível via Pip Install.
git clone https://github.com/HypoX64/DeepMosaics.git
cd DeepMosaics Você pode baixar modelos pré -titred e colocá -los em './pretringen_models'.
[Google Drive] [百度云, 提取码 1x0a]
[Introdução aos modelos pré-treinados]
Para adicionar/remover o mosaico, deve haver um modelo de arquivo mosaic_position.pth em ./pretrained_models/mosaic/mosaic_position.pth
(Opcional) Crie um ambiente virtual
virtualenv mosaic
source mosaic/bin/activateEm seguida, instale as dependências
pip install -r requirements.txt Se você não pode criar scikit-image , a execução export CFLAGS='-Wno-implicit-function-declaration , e tente reconstruir.
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 Se você vir o erro Please check mosaic_position_model_path! , verifique se existe um arquivo de modelo chamado mosaic_position.pth em ./pretrained_models/mosaic/mosaic_position.pth
Se você deseja testar outras imagens ou vídeos, consulte este arquivo.
[options_introduction.md]
Se você deseja treinar com seu próprio conjunto de dados, consulte Training_with_your_own_dataset.md
Este código empréstimo empréstimo fortemente de [pytorch-cyclegan-and-pix2pix] [pytorch-unet] [pix2pixhd] [bisenet] [dfdnet] [gfrnet_pytorch_new].