脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → Python模糊照片人脸恢复清晰

Python机器学习之实现模糊照片人脸恢复清晰

 更新时间：2021年12月20日 09:03:24   作者：剑客阿良_ALiang  
GFPGAN是腾讯开源的人脸修复算法，它利用预先训练好的面部 GAN（如 StyleGAN2）中封装的丰富和多样的先验因素进行盲脸 (blind face)修复。这篇文章主要为大家介绍通过GFPGAN实现模糊照片人脸恢复清晰，需要的朋友可以参考一下

前言

最近看到一个有意思的机器学习项目——GFPGAN，他可以将模糊的人脸照片恢复清晰。开源项目的Github地址：https://github.com/TencentARC/GFPGAN

我们看一看作者给出的对比图。

最右侧的就是GFPGAN的效果，看一下最左层的输入图片，可以发现GFPGAN将图片恢复的非常清晰。这个效果非常惊艳。

按照以前的惯例，我还是先把这个项目安装使用一下，看看能不能对代码重新封装，变成可以工程化的项目。

环境安装

我们先看一下项目README给的提示。

首先需要的python版本是>=3.7的，所以我用Anaconda创建了一个python3.9的虚拟环境。Pytorch的安装直接从官网获取命令安装一个最新版本即可。

因为还有一些基础依赖的安装，照着安装一下就行，其实setup.py是已经在项目中的，如下图。

由于模型比较大，所以作者没有放在github上，给了下面的下载提示。该模型是作者提供已经训练好的模型。

如果下载很慢的话，可以从我的网盘下载。

链接提取码：TUAN

作者还提供了基础模型可供自行训练。

验证模型

下面我准备了一些图，挑了一些比较典型的图片，有黑白的、彩色的以及马赛克的，想看看是不是都可以实现清晰化处理。

准备的图片如下：

按照README提供的指令

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

看一下执行结果：

(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>

按照默认参数，会在results结果文件夹中生成4个目录分别为前后对比图、原检测出来的脸部图、处理后的脸部图、处理后的最终图。

我们看看效果

 

可以看出两点：

1、马赛克不能消除，有一张全马赛克的图片，直接无法修复。

2、常规的模糊照片修复的是真的很清晰呀。

总结

总的来说该项目是非常优秀的，从最终图片的效果上来说，非常好了，至于去除马赛克还是得看别的项目了。后面研究研究这么项目，看能不能改改。

以上就是Python机器学习之实现模糊照片人脸恢复清晰的详细内容，更多关于Python模糊照片人脸恢复清晰的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

相关文章

  • pycharm指定python路径过程详解

    pycharm指定python路径过程详解

    这篇文章主要介绍了Pycharm指定python路径过程图解,文中通过示例代码介绍的非常详细，对大家的学习具有一定的参考学习价值,需要的朋友可以参考下
    2023-04-04
  • 解析Python中的变量、引用、拷贝和作用域的问题

    解析Python中的变量、引用、拷贝和作用域的问题

    这篇文章主要介绍了Python中的变量、引用、拷贝和作用域的相关问题,是Python学习过程当中必会的基础知识,需要的朋友可以参考下
    2015-04-04
  • django的使用步骤入门教程(很详细)

    django的使用步骤入门教程(很详细)

    随着IT行业的不断发展,编程学习也越来越重要,很多人都开启了很多计算机语言的学习,下面这篇文章主要给大家介绍了关于django的使用步骤入门教程,文中通过图文介绍的非常详细,需要的朋友可以参考下
    2023-05-05
  • Python3实现抓取javascript动态生成的html网页功能示例

    Python3实现抓取javascript动态生成的html网页功能示例

    这篇文章主要介绍了Python3实现抓取javascript动态生成的html网页功能,结合实例形式分析了Python3使用selenium库针对javascript动态生成的HTML网页元素进行抓取的相关操作技巧,需要的朋友可以参考下
    2017-08-08
  • Python+requests+unittest执行接口自动化测试详情

    Python+requests+unittest执行接口自动化测试详情

    这篇文章主要介绍了Python+requests+unittest执行接口自动化测试详情，文章围绕主题展开详细的内容介绍，具有一定的参考价值，需要的朋友可以参考一下
    2022-09-09
  • 手把手带你用Python实现一个计时器

    手把手带你用Python实现一个计时器

    虽然Python是一种有效的编程语言，但纯Python程序比C、Rust和Java等编译语言中的对应程序运行得更慢，为了更好地监控和优化Python程序，今天将为大家介绍如何使用 Python 计时器来监控程序运行的速度，以便正对性改善代码性能
    2022-06-06
  • Python中的yield浅析

    Python中的yield浅析

    这篇文章主要介绍了Python中的yield浅析,对迭代器(iterator) 、生成器(constructor)一并做了分析,并用实例来说明,需要的朋友可以参考下
    2014-06-06
  • Python Sphinx使用实例及问题解决

    Python Sphinx使用实例及问题解决

    这篇文章主要介绍了Python Sphinx使用实例及问题解决,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-01-01
  • django 利用Q对象与F对象进行查询的实现

    django 利用Q对象与F对象进行查询的实现

    这篇文章主要介绍了django 利用Q对象与F对象进行查询的实现，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2020-05-05
  • Python使用统计函数绘制简单图形实例代码

    Python使用统计函数绘制简单图形实例代码

    这篇文章主要给大家介绍了关于Python使用统计函数绘制简单图形的相关资料，文中通过示例代码介绍的非常详细，对大家学习或者使用Python具有一定的参考学习价值，需要的朋友们下面来一起学习学习吧
    2019-05-05

最新评论