簡介
使用百度深度學習框架paddlepaddle對人像圖片進行自動化摳圖
安裝
根據(jù)PaddlePaddle官網(wǎng)命令安裝
如
pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple
pip install paddlehub -i https://mirror.baidu.com/pypi/simple
初試
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')] # 當前路徑下所有.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)
代碼會自動下載圖像分割模型deeplabv3p_xception65_humanseg到C:\Users\Administrator\.paddlehub\modules
效果
| 文件名 |
原圖 |
效果 |
| 1.jpg |
|
 |
| 2.jpg |
|
 |
| 3.jpg |
|
 |
| 4.jpg |
|
 |
| 5.jpg |
|
 |
詳解
人像分割A(yù)PI
def segmentation(images=None,
paths=None,
batch_size=1,
use_gpu=False,
visualization=False,
output_dir='humanseg_output')
參數(shù)
- images(list[numpy.ndarray])：圖片數(shù)據(jù)，BGR格式
- paths(list[str])：圖片路徑
- batch_size(int)：批量處理數(shù)量
- use_gpu(bool)：是否使用 GPU
- visualization(bool)：是否將識別結(jié)果保存為圖片
- output_dir(str)：圖片保存路徑
遇到的坑
1. 報錯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
參考文獻
一款Python實用神器，5 行 Python 代碼 實現(xiàn)一鍵批量扣圖
總結(jié)
到此這篇關(guān)于Python快速實現(xiàn)一鍵摳圖功能的文章就介紹到這了,更多相關(guān)Python一鍵摳圖內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- python和opencv實現(xiàn)摳圖
- 3行Python代碼實現(xiàn)圖像照片摳圖和換底色的方法
- Python實現(xiàn)AI自動摳圖實例解析
- python實現(xiàn)摳圖給證件照換背景源碼
- python實現(xiàn)人工智能Ai摳圖功能
- Python用5行代碼實現(xiàn)批量摳圖的示例代碼
- python利用蒙版摳圖(使用PIL.Image和cv2)輸出透明背景圖
- 使用python和opencv的mask實現(xiàn)摳圖疊加
