通過預訓練模型進行圖像的自動摳圖及整合排作。
代碼已經(jīng)共享在AIStudio上宜岛，鏈接：
https://aistudio.baidu.com/aistudio/projectdetail/242887
模型概述 DeepLabv3+ 是Google DeepLab語義分割系列網(wǎng)絡的最新作裹纳，其前作有 DeepLabv1越驻，DeepLabv2, DeepLabv3讳苦。在最新作中芒炼，作者通過encoder-decoder進行多尺度信息的融合锉走，同時保留了原來的空洞卷積和ASSP層滨彻， 其骨干網(wǎng)絡使用了Xception模型藕届，提高了語義分割的健壯性和運行速率，在 PASCAL VOC 2012 dataset取得新的state-of-art performance亭饵。該PaddleHub Module使用百度自建數(shù)據(jù)集進行訓練休偶，可用于人像分割，支持任意大小的圖片輸入辜羊。
命令行預測示例 $ hub run deeplabv3p_xception65_humanseg --input_path "/PATH/TO/IMAGE" $ hub run deeplabv3p_xception65_humanseg --input_file test.txt test.txt 存放待分割圖片的存放路徑
API def segmentation(data) 用于人像分割
參數(shù)
data：dict類型踏兜，key為image，str類型只冻；value為待分割的圖片路徑庇麦，list類型。 output_dir：生成圖片的保存路徑喜德，默認為 humanseg_output
返回
result：list類型山橄，每個元素為對應輸入圖片的預測結果。預測結果為dict類型舍悯，有以下字段：
origin 原輸入圖片路徑 processed 分割圖片的路徑航棱。
In[1]
cd work
/home/aistudio/work
先定義摳圖的函數(shù)，通過調(diào)用圖像分割模型摳圖
In[7]
def body_seg_fore(imgname):
? ? module = hub.Module(name="deeplabv3p_xception65_humanseg")
? ? test_img_path = "./"+imgname+".jpg"
? ? # 預測結果展示
? ? img = mpimg.imread(test_img_path)
? ? plt.imshow(img)
? ? plt.axis('off')
? ? plt.show()
? ? # set input dict
? ? input_dict = {"image": [test_img_path]}
? ? # execute predict and print the result
? ? results = module.segmentation(data=input_dict)
? ? for result in results:
? ? ? ? print(result)
? ? test_img_path = "./humanseg_output/"+imgname+".png"
? ? img = mpimg.imread(test_img_path)
? ? plt.imshow(img)
? ? plt.axis('off')
? ? plt.show()
? ? return test_img_path
In[8]
body_seg_fore('body2')
[2020-01-10 06:39:53,705] [? ? INFO] - Installing deeplabv3p_xception65_humanseg module
2020-01-10 06:39:53,705-INFO: Installing deeplabv3p_xception65_humanseg module
[2020-01-10 06:39:53,753] [? ? INFO] - Module deeplabv3p_xception65_humanseg already installed in /home/aistudio/.paddlehub/modules/deeplabv3p_xception65_humanseg
2020-01-10 06:39:53,753-INFO: Module deeplabv3p_xception65_humanseg already installed in /home/aistudio/.paddlehub/modules/deeplabv3p_xception65_humanseg
?
[2020-01-10 06:39:54,539] [? ? INFO] - 0 pretrained paramaters loaded by PaddleHub
2020-01-10 06:39:54,539-INFO: 0 pretrained paramaters loaded by PaddleHub
{'origin': './body2.jpg', 'processed': 'humanseg_output/body2.png'}
?
'./humanseg_output/body2.png'
定義圖片合成函數(shù)萌衬。
In[12]
#圖片整合
#foreimage：前景照片饮醇，baseimage：景區(qū)照片,outputimage：數(shù)據(jù)結果,rate：前景照片縮放比例
def combine_image(foreimage,baseimage,outputimage,rate):
? ? from PIL import Image
? ? base_img = Image.open(baseimage)
? ? BL, BH = base_img.size
? ? #讀取要粘貼的圖片 RGBA模式? ?
? ? #當需要將一張有透明部分的圖片粘貼到一張底片上時，如果用Python處理秕豫，可能會用到PIL朴艰，
? ? #但是PIL中 有說明，在粘貼RGBA模式的圖片是混移，alpha通道不會被帖上祠墅，也就是不會有透明的效果，
? ? #當然也給出了解決方法，就是粘貼的時候，將RGBA的的alpha通道提取出來做為mask傳入瓜挽。
? ? fore_image = Image.open(foreimage)
? ? L, H = fore_image.size
? ? #縮放
? ? fore_image = fore_image.resize((int(L * rate), int(H * rate)))
? ? L, H = fore_image.size
? ? #分離通道? ?
? ? r,g,b,a = fore_image.split()? ? #粘貼
? ? box=(int(BL/2-L/2), BH-H, int(BL/2+L/2) ,BH)
? ? base_img.paste(fore_image,box,mask = a)
? ? base_img.save(outputimage)? # 保存圖片
#輸出程序
def show_image(originimage,baseimage,outputimage,rate):
? ? segname=body_seg_fore(originimage)
? ? combine_image(segname,baseimage,outputimage,rate)
? ? img = mpimg.imread(outputimage)
? ? plt.imshow(img)
? ? plt.axis('off')
? ? plt.show()
? ? return test_img_path
結果展示：
In[14]
show_image('body2','./desert.jpg','body2_desert.jpg',2)
[2020-01-10 06:42:43,724] [? ? INFO] - Installing deeplabv3p_xception65_humanseg module
2020-01-10 06:42:43,724-INFO: Installing deeplabv3p_xception65_humanseg module
[2020-01-10 06:42:43,746] [? ? INFO] - Module deeplabv3p_xception65_humanseg already installed in /home/aistudio/.paddlehub/modules/deeplabv3p_xception65_humanseg
2020-01-10 06:42:43,746-INFO: Module deeplabv3p_xception65_humanseg already installed in /home/aistudio/.paddlehub/modules/deeplabv3p_xception65_humanseg
?
[2020-01-10 06:42:44,629] [? ? INFO] - 0 pretrained paramaters loaded by PaddleHub
2020-01-10 06:42:44,629-INFO: 0 pretrained paramaters loaded by PaddleHub
{'origin': './body2.jpg', 'processed': 'humanseg_output/body2.png'}
?
?
'./humanseg_output/body2.png'
In[18]
show_image('body1','./desert.jpg','body2_desert.jpg',0.3)
[2020-01-10 06:44:26,397] [? ? INFO] - Installing deeplabv3p_xception65_humanseg module
2020-01-10 06:44:26,397-INFO: Installing deeplabv3p_xception65_humanseg module
[2020-01-10 06:44:26,423] [? ? INFO] - Module deeplabv3p_xception65_humanseg already installed in /home/aistudio/.paddlehub/modules/deeplabv3p_xception65_humanseg
2020-01-10 06:44:26,423-INFO: Module deeplabv3p_xception65_humanseg already installed in /home/aistudio/.paddlehub/modules/deeplabv3p_xception65_humanseg
?
[2020-01-10 06:44:27,592] [? ? INFO] - 0 pretrained paramaters loaded by PaddleHub
2020-01-10 06:44:27,592-INFO: 0 pretrained paramaters loaded by PaddleHub
{'origin': './body1.jpg', 'processed': 'humanseg_output/body1.png'}
?
?
'./humanseg_output/body2.png'
