Python Barbershop實現(xiàn)照片換發(fā)型功能
前言
最近看到一個開源項目（Barbershop），可以將照片中的發(fā)型更換成另一個，很神奇。先給大家看看項目給出的效果圖。
先說說我在安裝使用該項目的感受，因為作者給的安裝說明太少，我邊看代碼邊安裝環(huán)境花了整整8個小時，順便還在等安裝的過程中，追了10集電視劇《輸贏》。
看在我堅持弄了這么長時間，并把踩過的坑，安裝這么長時間的份上，我覺著還是給個贊的。
下面開始我的安裝使用記錄。
先提供一下Barbershop項目地址：github倉庫
環(huán)境部署
下面進入最坑的部分，首先我們看一下項目給出的安裝說明。
其實只有兩條，conda導入environment/environment.yaml環(huán)境，下載II2S圖片。就這兩句話讓我裝了一晚上，天知道我經(jīng)歷了啥?？硬攘艘贿叄梢园凑瘴业牧鞒萄b，應該問題不大。
1、導入environment/environment.yaml環(huán)境
先創(chuàng)建conda虛擬環(huán)境，使用一下命令：
conda env create -f environment/environment.yaml
2、安裝pytorch
這里有不會的話，可以看我另一篇文章，有詳細的搭建方法：機器學習基礎環(huán)境部署
3、依賴庫安裝
我就不提我踩了多少坑了，下面我把需要的項目沒提供的依賴，總結發(fā)在下面。
dlib
Ninja
gdown
scikit-image
IPython
opencv-python
版本可以選擇最新的，因為我用最新的跑起來了。
4、 cl.exe環(huán)境變量配置
需要安裝一下Microsoft Visual Studio，我選擇的版本是2019版本。
提供一下下載地址：下載 Visual Studio Tools
這里需要注意安裝的時候需要把C++選上。
按照自己的機器位數(shù)，選擇路徑添加到環(huán)境變量路徑里。下面是我的路徑。
添加環(huán)境變量
5、模型下載
項目在運行的時候其實是會自己下載模型的，但是從google云盤經(jīng)常失敗，而且該項目要的模型特別多，我放在百度云盤上分享出來，大家可以下我的。
模型文件鏈接 提取碼：tuan
首先人臉68特征數(shù)據(jù)放到項目的cache目錄內(nèi)。其次另外的6個pt文件放到項目的pretrained_models目錄內(nèi)。
6、發(fā)型數(shù)據(jù)下載
按照項目給出的地址從云盤下載到input/face目錄內(nèi)。這邊我還是提供百度云盤的分享鏈接，下不下來可以用我的。
鏈接 提取碼：TUAN
7、代碼調整
項目align_face.py文件中，不會檢查模型是否存在，還是會下載，需要調整一下。如下圖：
項目驗證
OK，環(huán)境如果你按照我上面說的部署成功了，恭喜。下面我來驗證一下效果。
先看看我準備的照片。
把照片放到unprocessed目錄下，注意編號需要和input/face內(nèi)的文件編號不同。
1、預處理照片
首先我們執(zhí)行命令預處理unprocessed目錄內(nèi)的照片。命令如下：
python align_face.py
(Barbershop) C:\Users\yi\PycharmProjects\Barbershop>python align_face.py Downloading Shape Predictor 126.jpg: Number of faces detected: 1
可以看到input/face目錄多了一個文件，預處理把原照片的人臉處理出來了。
2、換發(fā)型
下面看一下我準備換的發(fā)型是哪張。
換個短發(fā)。執(zhí)行命令如下：
python main.py --im_path1 126.png --im_path2 94.png --im_path3 94.png --sign realistic --smooth 5
看下執(zhí)行結果
(Barbershop) C:\Users\yi\PycharmProjects\Barbershop>python main.py --im_path1 126.png --im_path2 94.png --im_path3 94.png --sign realistic --smooth 5 Loading StyleGAN2 from checkpoint: pretrained_models/ffhq.pt Setting up Perceptual loss... Loading model from: C:\Users\yi\PycharmProjects\Barbershop\losses\lpips\weights\v0.1\vgg.pth ...[net-lin [vgg]] initialized ...Done Number of images: 2 Images: 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [10:39<00:00, 319.74s/it] Number of images: 2 Images: 100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [02:08<00:00, 64.04s/it] Loading StyleGAN2 from checkpoint: pretrained_models/ffhq.pt C:\Users\yi\PycharmProjects\Barbershop\models\Alignment.py:97: UserWarning: where received a uint8 condition tensor. This behavior is deprecated and will be removed in a future version of PyTorch. Use a boolean condition instead. (Triggered internally at ..\aten\src\ATen\native\TensorCompare.cpp:328.) new_target_final = torch.where(OB_region, torch.from_numpy(new_target_inpainted), new_target) Align Step 2: 0%| | 0/100 [00:00<?, ?it/s]E :\ProgramData\Anaconda3\envs\Barbershop\lib\site-packages\torch\nn\functional.py:3680: 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. "The default behavior for interpolate/upsample with float scale_factor changed " E:\ProgramData\Anaconda3\envs\Barbershop\lib\site-packages\torch\nn\functional.py:3635: UserWarning: Default upsampling behavior when mode=bicubic is changed to align_co rners=False since 0.4.0. Please specify align_corners=True if the old behavior is desired. See the documentation of nn.Upsample for details. "See the documentation of nn.Upsample for details.".format(mode) Loading StyleGAN2 from checkpoint: pretrained_models/ffhq.pt Setting up Perceptual loss... Loading model from: C:\Users\yi\PycharmProjects\Barbershop\losses\masked_lpips\weights\v0.1\vgg.pth ...[net-lin [vgg]] initialized ...Done Setting up Perceptual loss... Loading model from: C:\Users\yi\PycharmProjects\Barbershop\losses\masked_lpips\weights\v0.1\vgg.pth ...[net-lin [vgg]] initialized ...Done
等了很長時間，結果出來了。最后的效果圖如下
對比一下看看，還是很不錯的吧，我這么長的安裝時間沒有白費。
總結
該項目最終的效果是非常好的，只是安裝的過程比較繁瑣。而且在我跑最終融合的效果時，我似乎都快聞到顯卡的焦味了?；ㄙM了很多時間，解決了很多問題，也有了很多收獲，成長不外如此。
以上就是Python Barbershop實現(xiàn)照片換發(fā)型功能的詳細內(nèi)容，更多關于Python Barbershop照片換發(fā)型的資料請關注腳本之家其它相關文章！
相關文章
雙精度浮點數(shù)(double)是計算機使用的一種數(shù)據(jù)類型，使用 64 位（8字節(jié)） 來存儲一個浮點數(shù)。下面這篇文章主要給大家總結介紹了關于Python中浮點數(shù)精度處理的技巧，需要的朋友可以參考借鑒，下面來一起看看吧。2017-08-08
這篇文章主要為大家詳細介紹了wxpython繪制音頻效果，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-11-11
在本篇文章里小編給大家整理了一篇關于Python特征降維知識點總結內(nèi)容，有需要的朋友們可以學習參考下。2021-08-08
GitHub?AI編程工具copilot在Pycharm的應用
最近聽說github出了一種最新的插件叫做copilot,這篇文章主要給大家介紹了關于GitHub?AI編程工具copilot在Pycharm的應用,目前感覺確實不錯,建議大家也去使用,需要的朋友可以參考下2022-04-04
python連接oracle數(shù)據(jù)庫操作實例及遇到的異常
這篇文章主要給大家介紹了關于python連接oracle數(shù)據(jù)庫操作實例及遇到的一些異常,Oracle是著名且廣泛使用的數(shù)據(jù)庫之一,而python的數(shù)據(jù)處理功能可以很好地利用這種連接性,文中通過代碼介紹的非常詳細,需要的朋友可以參考下2023-12-12
python3.8+django2+celery5.2.7環(huán)境準備(python測試開發(fā)django)
這篇文章主要介紹了python測試開發(fā)django之python3.8+django2+celery5.2.7環(huán)境準備工作，本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下2022-07-07
讓python在hadoop上跑起來，python如何在hadoop上跑起來？感興趣的小伙伴們可以參考一下2016-01-01
這篇文章主要介紹了python實現(xiàn)圖片壓縮代碼實例,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2019-08-08
這篇文章主要介紹了Python對列表排序的方法,實例分析了Python列表排序函數(shù)的相關使用技巧,非常簡單實用,需要的朋友可以參考下2015-05-05
字符串去重是python中字符串操作常見的一個需求，最近在工作中就又遇到了，所以下面這篇文章主要給大家介紹了關于Python對字符串實現(xiàn)去重操作的相關資料，文中給出了詳細的介紹，需要的朋友可以參考借鑒，下面來一起看看吧。2017-08-08