
ภาษาอังกฤษ | 中文
คุณสามารถใช้เพื่อลบโมเสคในรูปภาพและวิดีโอโดยอัตโนมัติหรือเพิ่มโมเสคลงในพวกเขา
โครงการนี้ขึ้นอยู่กับ "การแบ่งส่วนความหมาย" และ "การแปลแบบเป็นภาพ"
ลองใช้ที่เว็บไซต์นี้!

| ต้นทาง | เพิ่มโมเสกอัตโนมัติ | โมเสคทำความสะอาดอัตโนมัติ |
|---|---|---|
![]() | ![]() | ![]() |
![]() | ![]() | ![]() |
| ภาพกระเบื้องโมเสค | deepcreampy | ของเรา |
|---|---|---|
![]() | ![]() | ![]() |
![]() | ![]() | ![]() |
| ต้นทาง | ถึง Van Gogh | ถึงฤดูหนาว |
|---|---|---|
![]() | ![]() | ![]() |
ตัวอย่างที่น่าสนใจ: Ricardo Milos to Cat
คุณสามารถเรียกใช้ DeepMosaics ผ่านแพ็คเกจไบนารีที่สร้างไว้ล่วงหน้าหรือจากแหล่งที่มา
คุณสามารถลองลบโมเสคบน ใบหน้า ได้ที่เว็บไซต์นี้
สำหรับ Windows เราได้ทำการทดสอบ GUI เพื่อทดสอบง่าย ๆ
ดาวน์โหลดเวอร์ชันนี้และรุ่นที่ผ่านการฝึกอบรมมาก่อนผ่าน [Google Drive] [百度云, 提取码 1x0a]

ความสนใจ:
รหัสนี้ขึ้นอยู่กับ OpenCV-Python, Torchvision ผ่านการติดตั้ง PIP
git clone https://github.com/HypoX64/DeepMosaics.git
cd DeepMosaics คุณสามารถดาวน์โหลดรุ่น pre_trained และใส่ลงใน './pretrained_models'
[Google Drive] [百度云, 提取码 1x0a]
[บทนำสู่โมเดลที่ผ่านการฝึกอบรมมาก่อน]
ในการเพิ่ม/ลบโมเสคจะต้องมีไฟล์โมเดล mosaic_position.pth ที่ ./pretrained_models/mosaic/mosaic_position.pth
(ไม่บังคับ) สร้างสภาพแวดล้อมเสมือนจริง
virtualenv mosaic
source mosaic/bin/activateจากนั้นติดตั้งการอ้างอิง
pip install -r requirements.txt หากคุณไม่สามารถสร้าง scikit-image ให้เรียกใช้ export CFLAGS='-Wno-implicit-function-declaration แล้วลองสร้างใหม่
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 หากคุณเห็นข้อผิดพลาด Please check mosaic_position_model_path! ตรวจสอบว่ามีไฟล์รุ่นชื่อ mosaic_position.pth ที่ ./pretrained_models/mosaic/mosaic_position.pth
หากคุณต้องการทดสอบรูปภาพหรือวิดีโออื่น ๆ โปรดดูที่ไฟล์นี้
[ตัวเลือก _introduction.md]
หากคุณต้องการฝึกด้วยชุดข้อมูลของคุณเองโปรดดูที่การฝึกอบรม _with_your_own_dataset.md
รหัสนี้ยืมมาอย่างหนักจาก [Pytorch-Cyclegan-and-Pix2Pix] [Pytorch-Unet] [PIX2PIXHD] [Bisenet] [DFDNET] [GFRNET_PYTORCH_NEW]