Python+AI는 오래된 사진을 색칠합니다-일체 포함-php.cn

안녕하세요 여러분.

오늘도 계속해서 흥미로운 AI 프로젝트를 여러분과 공유하겠습니다.

지난번에는 GAN(Generative Adversarial Network)을 사용하여 정적 사진을 움직이는 방법을 공유했습니다.

오늘은 NoGAN의 이미지 향상 기술을 사용하여 오래된 사진에 색상을 입히는 방법을 공유합니다. 효과는 다음과 같습니다.

Python+AI는 오래된 사진을 색칠합니다

원본 이미지

Python+AI는 오래된 사진을 색칠합니다

채색 후

NoGAN은 GAN 학습에 가장 짧은 시간이 걸리는 새로운 유형의 GAN입니다.

오늘 공유한 프로젝트는 이미 GitHub에 오픈소스 프로젝트로 실행되어 있습니다.

1. 준비

먼저 git clone 명령을 사용하여 소스코드를 다운로드합니다.

git clone https://github.com/jantic/DeOldify.git

로그인 후 복사

프로젝트 루트 디렉터리에 들어가서 Python 종속성 패키지를 설치하세요.

pip3 install -r requirements.txt

로그인 후 복사

프로젝트를 실행하기 위한 코드를 작성하기 전에 사전 훈련된 모델을 다운로드해야 합니다. 이 프로젝트는 세 가지 모델을 제공합니다:

Python+AI는 오래된 사진을 색칠합니다

model

차이점은 다음과 같습니다.

ColorizeArtistic_gen.pth: 흥미로운 디테일과 생동감 측면에서 최고 품질의 이미지 색상 효과를 달성합니다. 이 모델은 resnet34를 백본으로 사용합니다. UNet , 5개의 비판적 사전 훈련/GAN 루프 반복 훈련은 NoGAN을 통해 수행되었습니다.
ColorizeStable_gen.pth: 풍경과 인물 사진에서 최상의 결과를 얻은 이 모델은 Resnet101을 백본으로 사용하고 NoGAN을 통해 3번의 비평가 사전 훈련/GAN 루프 반복을 통해 UNet에서 훈련되었습니다.
ColorizeVideo_gen.pth: 원활한 비디오에 최적화되어 있으며 초기 생성기/비평가 사전 훈련/GAN NoGAN 훈련만 사용합니다. 부드러운 속도를 추구한 탓에 앞선 2종보다 색상이 적다.
다운로드한 모델 파일을 프로젝트 루트 디렉터리의 models 디렉터리에 넣습니다.

2. 코드 작성

프로젝트 루트 디렉토리와 동일한 디렉토리에 Python 파일을 생성하고, 방금 다운로드한 모델 파일을 로드하는 코드를 작성합니다.

from DeOldify.deoldify.generators import gen_inference_wide
from DeOldify.deoldify.filters import MasterFilter, ColorizerFilter

# 指定模型文件
learn = gen_inference_wide(root_folder=Path('./DeOldify'), weights_name='ColorizeVideo_gen')

# 加载模型
deoldfly_model = MasterFilter([ColorizerFilter(learn=learn)], render_factor=10)

로그인 후 복사

root_folder는 프로젝트 루트 디렉터리를 지정하고, Weights_name은 사진 색상을 지정하는 데 옆에 사용되는 모델을 지정합니다.

오래된 사진을 읽고 색칠하세요.

import cv2
import numpy as np
from PIL import Image

img = cv2.imread('./images/origin.jpg')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
pil_img = Image.fromarray(img)

filtered_image = deoldfly_model.filter(
pil_img, pil_img, render_factor=35, post_process=True
)

result_img = np.asarray(filtered_image)
result_img = cv2.cvtColor(result_img, cv2.COLOR_RGB2BGR)
cv2.imwrite('deoldify.jpg', result_img)