快捷導(dǎo)航

Python機(jī)器學(xué)習(xí)之實(shí)現(xiàn)模糊照片人臉恢復(fù)清晰

更新時(shí)間：2021年12月20日 09:03:24 作者：劍客阿良_ALiang

GFPGAN是騰訊開(kāi)源的人臉修復(fù)算法，它利用預(yù)先訓(xùn)練好的面部?GAN（如?StyleGAN2）中封裝的豐富和多樣的先驗(yàn)因素進(jìn)行盲臉?(blind?face)修復(fù)。這篇文章主要為大家介紹通過(guò)GFPGAN實(shí)現(xiàn)模糊照片人臉恢復(fù)清晰，需要的朋友可以參考一下

前言

最近看到一個(gè)有意思的機(jī)器學(xué)習(xí)項(xiàng)目——GFPGAN，他可以將模糊的人臉照片恢復(fù)清晰。開(kāi)源項(xiàng)目的Github地址：https://github.com/TencentARC/GFPGAN

我們看一看作者給出的對(duì)比圖。

最右側(cè)的就是GFPGAN的效果，看一下最左層的輸入圖片，可以發(fā)現(xiàn)GFPGAN將圖片恢復(fù)的非常清晰。這個(gè)效果非常驚艷。

按照以前的慣例，我還是先把這個(gè)項(xiàng)目安裝使用一下，看看能不能對(duì)代碼重新封裝，變成可以工程化的項(xiàng)目。

環(huán)境安裝

我們先看一下項(xiàng)目README給的提示。

首先需要的python版本是>=3.7的，所以我用Anaconda創(chuàng)建了一個(gè)python3.9的虛擬環(huán)境。Pytorch的安裝直接從官網(wǎng)獲取命令安裝一個(gè)最新版本即可。

因?yàn)檫€有一些基礎(chǔ)依賴(lài)的安裝，照著安裝一下就行，其實(shí)setup.py是已經(jīng)在項(xiàng)目中的，如下圖。

由于模型比較大，所以作者沒(méi)有放在github上，給了下面的下載提示。該模型是作者提供已經(jīng)訓(xùn)練好的模型。

如果下載很慢的話，可以從我的網(wǎng)盤(pán)下載。

鏈接提取碼：TUAN

作者還提供了基礎(chǔ)模型可供自行訓(xùn)練。

驗(yàn)證模型

下面我準(zhǔn)備了一些圖，挑了一些比較典型的圖片，有黑白的、彩色的以及馬賽克的，想看看是不是都可以實(shí)現(xiàn)清晰化處理。

準(zhǔn)備的圖片如下：

按照README提供的指令

python inference_gfpgan.py --upscale 2 --test_path inputs/newImages --save_root results

看一下執(zhí)行結(jié)果：

(pytorch39) C:\Users\yi\PycharmProjects\GFPGAN>python inference_gfpgan.py --upscale 2 --test_path inputs/newImages --save_root results
C:\Users\yi\PycharmProjects\GFPGAN\inference_gfpgan.py:45: UserWarning: The unoptimized RealESRGAN is very slow on CPU. We do not use it. If you really want to use it, p
lease modify the corresponding codes.
  warnings.warn('The unoptimized RealESRGAN is very slow on CPU. We do not use it. '
Processing 331.jpg ...
E:\ProgramData\Anaconda3\envs\pytorch39\lib\site-packages\torch\nn\functional.py:3679: UserWarning: The default behavior for interpolate/upsample with float scale_factor
 changed in 1.6.0 to align with other frameworks/libraries, and now uses scale_factor directly, instead of relying on the computed output size. If you wish to restore th
e old behavior, please set recompute_scale_factor=True. See the documentation of nn.Upsample for details.
  warnings.warn(
Processing 333.jpg ...
Processing 334.jpg ...
Processing 335.jpg ...
Results are in the [results] folder.
 
(pytorch39) C:\Users\yi\PycharmProjects\GFPGAN>

按照默認(rèn)參數(shù)，會(huì)在results結(jié)果文件夾中生成4個(gè)目錄分別為前后對(duì)比圖、原檢測(cè)出來(lái)的臉部圖、處理后的臉部圖、處理后的最終圖。