简介
使用百度深度学习框架paddlepaddle对人像图片进行自动化抠图
安装
根据PaddlePaddle官网命令安装
如
pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple pip install paddlehub -i https://mirror.baidu.com/pypi/simple
初试
1.jpg
2.jpg
3.jpg
4.jpg
5.jpg
import paddlehub as hub
from pathlib import Path
paths = [str(i) for i in Path('.').glob('*.jpg')] # 当前路径下所有.jpg文件
human_seg = hub.Module(name='deeplabv3p_xception65_humanseg')
results = human_seg.segmentation(paths=paths, visualization=True, output_dir='output')
# results = human_seg.segmentation(paths=paths, use_gpu=True, visualization=True, output_dir='output') # 使用GPU
print(results)
代码会自动下载图像分割模型deeplabv3p_xception65_humanseg到C:\Users\Administrator\.paddlehub\modules
效果
| 文件名 | 原图 | 效果 |
|---|---|---|
| 1.jpg | |
 |
| 2.jpg | |
 |
| 3.jpg | |
 |
| 4.jpg | |
 |
| 5.jpg | |
 |
详解
人像分割API
def segmentation(images=None,
paths=None,
batch_size=1,
use_gpu=False,
visualization=False,
output_dir='humanseg_output')
参数
images(list[numpy.ndarray])：图片数据，BGR格式 paths(list[str])：图片路径 batch_size(int)：批量处理数量 use_gpu(bool)：是否使用 GPU visualization(bool)：是否将识别结果保存为图片 output_dir(str)：图片保存路径遇到的坑
1. 报错RuntimeError: Environment Variable CUDA_VISIBLE_DEVICES is not set correctly. If you wanna use gpu, please set CUDA_VISIBLE_DEVICES as cuda_device_id.
import os os.environ['CUDA_VISIBLE_DEVICES'] = '0'
或
set CUDA_VISIBLE_DEVICES=0
参考文献
一款Python实用神器，5 行 Python 代码 实现一键批量扣图
