Python機器學習之實現(xiàn)模糊照片人臉恢復清晰

更新時間：2021年12月20日 09:03:24 作者：劍客阿良_ALiang

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

前言

最近看到一個有意思的機器學習項目——GFPGAN，他可以將模糊的人臉照片恢復清晰。開源項目的Github地址：https://github.com/TencentARC/GFPGAN

我們看一看作者給出的對比圖。

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

按照以前的慣例，我還是先把這個項目安裝使用一下，看看能不能對代碼重新封裝，變成可以工程化的項目。

環(huán)境安裝

我們先看一下項目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)獲取命令安裝一個最新版本即可。

因為還有一些基礎依賴的安裝，照著安裝一下就行，其實setup.py是已經(jīng)在項目中的，如下圖。

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

如果下載很慢的話，可以從我的網(wǎng)盤下載。

鏈接提取碼：TUAN

作者還提供了基礎模型可供自行訓練。

驗證模型

下面我準備了一些圖，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現(xiàn)清晰化處理。

準備的圖片如下：

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>

按照默認參數(shù)，會在results結果文件夾中生成4個目錄分別為前后對比圖、原檢測出來的臉部圖、處理后的臉部圖、處理后的最終圖。