DeepMosaics

English | 中文

这是一个通过深度学习自动的为图片/视频添加马赛克,或消除马赛克的项目.
它基于“语义分割”以及“图像翻译”.
现在可以在这个网站尝试使用该项目清除马赛克!

例子

原始	自动打码	自动去码

• 与 DeepCreamPy相比较

马赛克图片	DeepCreamPy	ours

• 风格转换

原始	梵高风格	转化为冬天

一个有意思的尝试:香蕉君♂猫

如何运行

可以通过我们预编译好的二进制包或源代码运行.

在网页中运行

打开这个网站上传照片，将获得去除马赛克后的结果，受限于当地法律，目前只支持人脸.

预编译的程序包

对于Windows用户,我们提供了包含GUI界面的免安装软件包.
可以通过下面两种方式进行下载: [Google Drive] [百度云,提取码1x0a]

• [帮助文档]
  
• [视频教程]
  
  

注意事项:

• 程序的运行要求在64位Windows操作系统,我仅在Windows10运行过,其他版本暂未经过测试
  
• 请根据需求选择合适的预训练模型进行测试，不同的预期训练模型具有不同的效果.[预训练模型介绍]
  
• 运行时间取决于电脑性能,对于视频文件,我们建议在GPU上运行.
  
• 如果输出的视频无法播放,这边建议您尝试potplayer.
  
• 相比于源码,该版本的更新将会延后.

通过源代码运行

前提要求

• Linux, Mac OS, Windows
• Python 3.6+
• ffmpeg 3.4.6
• Pytorch 1.0+
• CPU or NVIDIA GPU + CUDA CuDNN
  

Python依赖项

代码依赖于opencv-python以及 torchvision,可以通过pip install 进行安装.

克隆源代码

git clone https://github.com/HypoX64/DeepMosaics.git
cd DeepMosaics

下载预训练模型

可以通过以下两种方法下载预训练模型,并将他们置于'./pretrained_models'文件夹中.
[Google Drive] [百度云,提取码1x0a]
[预训练模型介绍]

简单的例子

• 为视频或照片添加马赛克,例子中认为脸是需要打码的区域 ,可以通过切换预训练模型切换自动打码区域(输出结果将储存到 './result')
  

python deepmosaic.py --media_path ./imgs/ruoruo.jpg --model_path ./pretrained_models/mosaic/add_face.pth --gpu_id 0

• 将视频或照片中的马赛克移除,对于不同的打码物体需要使用对应的预训练模型进行马赛克消除(输出结果将储存到 './result')
  

python deepmosaic.py --media_path ./result/ruoruo_add.jpg --model_path ./pretrained_models/mosaic/clean_face_HD.pth --gpu_id 0

更多的参数

如果想要测试其他的图片或视频,请参照以下文件输入参数.
[options_introduction_CN.md]

使用自己的数据训练模型

如果需要使用自己的数据训练模型，请参照 training_with_your_own_dataset.md

鸣谢

代码大量的参考了以下项目:[pytorch-CycleGAN-and-pix2pix] [Pytorch-UNet] [pix2pixHD] [BiSeNet] [DFDNet] [GFRNet_pytorch_new].