jantic/DeOldify部署（图片上色）附带Dockerfile和镜像

已于 2024-09-18 11:28:48 修改
阅读量1k 收藏 23
点赞数 29
分类专栏： 其他 文章标签： python DeOldify ai 图片上色
于 2024-09-09 13:13:50 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_31745863/article/details/142056286
版权

1. 克隆代码到DeOldify

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

DeOldify源码

2. 安装依赖

这里会安装python以及创建deoldify环境

cd DeOldify
conda env create -f environment.yml

(base) root@DESKTOP-1FOD6A8:~/DeOldify# conda env create -f environment.yml
Retrieving notices: ...working... Retrying (Retry(total=2, connect=None, read=None, redirect=None, status=None)) after connection broken by 'SSLEOFError(8, '[SSL: UNEXPECTED_EOF_WHILE_READING] EOF occurred in violation of protocol (_ssl.c:1000)')': /pkgs/r/notices.json

Retrying (Retry(total=1, connect=None, read=None, redirect=None, status=None)) after connection broken by 'SSLEOFError(8, '[SSL: UNEXPECTED_EOF_WHILE_READING] EOF occurred in violation of protocol (_ssl.c:1000)')': /pkgs/r/notices.json

done
Channels:
 - fastai
 - conda-forge
 - defaults
 - pytorch
Platform: linux-64
Collecting package metadata (repodata.json): - Retrying (Retry(total=2, connect=None, read=None, redirect=None, status=None)) after connection broken by 'SSLEOFError(8, '[SSL: UNEXPECTED_EOF_WHILE_READING] EOF occurred in violation of protocol (_ssl.c:1000)')': /pkgs/main/linux-64/repodata.json.zst

| Retrying (Retry(total=2, connect=None, read=None, redirect=None, status=None)) after connection broken by 'SSLEOFError(8, '[SSL: UNEXPECTED_EOF_WHILE_READING] EOF occurred in violation of protocol (_ssl.c:1000)')': /fastai/linux-64/repodata.json.zst

\ Retrying (Retry(total=1, connect=None, read=None, redirect=None, status=None)) after connection broken by 'SSLEOFError(8, '[SSL: UNEXPECTED_EOF_WHILE_READING] EOF occurred in violation of protocol (_ssl.c:1000)')': /fastai/linux-64/repodata.json.zst

done
Solving environment: done

Downloading and Extracting Packages:
pytorch-1.11.0       |Retrying (Retry(total=2, connect=None, read=None, redirect=None, status=None)) after connection broken by 'SSLEOFError(8, '[SSL: UNEXPECTED_EOF_WHILE_READING] EOF occurred in violation of protocol (_ssl.c:1000)')': /conda-forge/linux-64/mkl-2024.0.0-ha957f24_49657.conda2024.0.0         | 120.2 MB  |                                                                                                       |   0%
mysql-5.7.20         | 79.2 MB   |                                                                                                       |   0%
pytorch-1.11.0       | 1.20 GB   | 1                                                                                                     |   0%Retrying (Retry(total=1, connect=None, read=None, redirect=None, status=None)) after connection broken by 'SSLEOFError(8, '[SSL: UNEXPECTED_EOF_WHILE_READING] EOF occurred in violation of protocol (_ssl.c:1000)')': /conda-forge/linux-64/mkl-2024.0.0-ha957f24_49657.conda            |   0%
mysql-5.7.20         | 79.2 MB   | 4                                                                                                     |   0% pytorch-1.11.0       | 1.20 GB   | ####################################################################################################9 | 100% cudatoolkit-11.5.2   | 566.5 MB  | ##################################################################################################### | 100% mkl-2024.0.0         | 120.2 MB  | ##################################################################################################### | 100% mysql-5.7.20         | 79.2 MB   | ##################################################################################################### | 100% llvm-openmp-18.1.7   | 55.9 MB   | ##################################################################################################### | 100% libllvm14-14.0.6     | 30.0 MB   | ##################################################################################################### | 100% torchvision-0.12.0   | 27.6 MB   | ##################################################################################################### | 100% python-3.10.14       | 24.3 MB   | ##################################################################################################### | 100% scipy-1.14.1         | 16.1 MB   | ##################################################################################################### | 100% pandas-2.2.2         | 12.4 MB   | ##################################################################################################### | 100% icu-73.2             | 11.5 MB   | ##################################################################################################### | 100% libopenvino-intel-cp | 10.4 MB   | ##################################################################################################### | 100% ffmpeg-7.0.1         | 9.6 MB    | ##################################################################################################### | 100% libclang13-14.0.6    | 8.8 MB    | ##################################################################################################### | 100% libopenvino-intel-gp | 8.1 MB    | ##################################################################################################### | 100% cython-blis-0.7.10   | 7.4 MB    | ##################################################################################################### | 100% babel-2.14.0         | 7.3 MB    | ##################################################################################################### | 100% jupyterlab-4.2.5     | 7.0 MB    | ##################################################################################################### | 100% matplotlib-base-3.9. | 6.7 MB    | ##################################################################################################### | 100% numpy-1.26.4         | 6.7 MB    | ##################################################################################################### | 100% pyqt-5.15.4          | 6.1 MB    | ##################################################################################################### | 100% torchaudio-0.11.0    | 5.3 MB    | ##################################################################################################### | 100% spacy-3.7.5          | 5.2 MB    | ##################################################################################################### | 100% libopenvino-2024.1.0 | 4.9 MB    | ##################################################################################################### | 100% p11-kit-0.24.1       | 4.5 MB    | ##################################################################################################### | 100% libcups-2.3.3        | 4.3 MB    | ##################################################################################################### | 100% language-data-1.2.0  | 4.0 MB    | ##################################################################################################### | 100% libglib-2.80.2       | 3.7 MB    | ##################################################################################################### | 100% libstdcxx-14.1.0     | 3.7 MB    | ##################################################################################################### | 100% x265-3.5             | 3.2 MB    | ##################################################################################################### | 100% tk-8.6.13            | 3.2 MB    | ##################################################################################################### | 100%
openssl-3.3.2        | 2.8 MB    | ##################################################################################################### | 100% libprotobuf-4.25.3   | 2.7 MB    | ##################################################################################################### | 100% gettext-tools-0.22.5 | 2.6 MB    | ##################################################################################################### | 100% aom-3.9.1            | 2.6 MB    | ##################################################################################################### | 100%  ... (more hidden) ...

这里可能会有几个依赖会失败

失败了再次执行

直到全部依赖下载完成

3. conda 激活deoldify

conda activate deoldify

4. 下载模型

https://github.com/jantic/DeOldify

放在DeOldify/models目录下

5. 启动脚本

想要cpu执行可以修改下图位置为CPU,就算是GPU,没有GPU的情况下也会使用CPU执行,所以我没有修改

import argparse
from deoldify import device
from deoldify.device_id import DeviceId
from deoldify.visualize import *
import matplotlib.pyplot as plt
import torch
import warnings
import os

# 设置命令行参数
parser = argparse.ArgumentParser(description="DeOldify Image Colorization")
parser.add_argument('--source_path', type=str, required=True, help="Path to the input image")
parser.add_argument('--render_factor', type=int, default=35, help="Render factor for the image colorizer (default: 35)")

args = parser.parse_args()

# 设置设备 (CPU 或 GPU0)
device.set(device=DeviceId.GPU0)

# 设置样式和性能优化
plt.style.use('dark_background')
torch.backends.cudnn.benchmark = True

# 忽略某些警告
warnings.filterwarnings("ignore", category=UserWarning, message=".*?Your .*? set is empty.*?")

# 初始化颜色化工具
colorizer = get_image_colorizer(artistic=True)

# 获取运行时参数
render_factor = args.render_factor
source_path = args.source_path

# 动态设置 result_path，例如保存到 'output_images' 目录中
result_dir = 'output_images'
if not os.path.exists(result_dir):
    os.makedirs(result_dir)

# 自动根据 source_path 生成输出文件路径
file_name = os.path.basename(source_path)
result_path = os.path.join(result_dir, file_name)

# 显示颜色化处理后的图像并进行对比
colorizer.plot_transformed_image(path=source_path, render_factor=render_factor, compare=True)
  • –source_path /mnt/c/Users/admin/Pictures/202003091903023858a.jpg
    • 需要上色的图片路径
  • –render_factor 35
    • render_factor 决定了输入图像被缩小多少来处理颜色化，影响图像处理速度和生成的质量。
    • 较低的 render_factor 速度快，但细节少；较高的 render_factor 细节更多，但可能速度慢且颜色可能不够自然。
    • 可以不传,默认35
python start.py --source_path /mnt/c/Users/admin/Pictures/202003091903023858a.jpg  --render_factor 35

6. 启动问题

python start.py --source_path /mnt/c/Users/admin/Pictures/202003091903023858a.jpg  --render_factor 35

需要安装libtiff5

sudo apt-get update
sudo apt-get install libtiff5

如果apt-get update如下

换源

cp /etc/apt/sources.list /etc/apt/sources.list.bak

sudo bash -c 'cat > /etc/apt/sources.list << EOF
deb http://mirrors.aliyun.com/ubuntu/ jammy main universe restricted multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-updates main universe restricted multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-backports main universe restricted multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-security main universe restricted multiverse
EOF'

sudo apt-get update
sudo apt-get upgrade

7. 启动

第一次启动会下载这个预处理模型,启动的时候下载失败,可以手动下载,然后放在对应文件目录下

Downloading: "https://download.pytorch.org/models/resnet34-b627a593.pth" to /root/.cache/torch/hub/checkpoints/resnet34-b627a593.pth

之后启动就不会再下载了

效果

8. docker 部署

8.1 已经部署好的镜像

bash版本: 启动后会直接进入容器,然后执行目录下的python start.py即可

此版本为deoldify:v1.0

docker run -it registry.cn-hangzhou.aliyuncs.com/zr-dev/deoldify:v1.0

容器启动时就会自动启动脚本,但是需要传入参数

  • 此版本为deoldify:v2.0
  • –source_path /workspace/DeOldify/test_images/202003091903023858a.jpg \
    • 需要上色的图片路径
    • 此文件的路径必须在输入目录下
  • –render_factor 35
    • render_factor 决定了输入图像被缩小多少来处理颜色化，影响图像处理速度和生成的质量。
    • 较低的 render_factor 速度快，但细节少；较高的 render_factor 细节更多，但可能速度慢且颜色可能不够自然。
    • 可以不传,默认35
  • -v /mnt/c/Users/zr/Pictures/input/:/workspace/DeOldify/resource_images
    • 输入目录挂载
  • -v /mnt/c/Users/zr/Pictures/testout/:/workspace/DeOldify/result_images
    • 输出目录挂载
  • –rm :执行完成后容器会自动删除,不需要可以去除
docker run --rm -v /mnt/c/Users/zr/Pictures/testout/:/workspace/DeOldify/result_images -v /mnt/c/Users/zr/Pictures/input/:/workspace/DeOldify/resource_images registry.cn-hangzhou.aliyuncs.com/zr-dev/deoldify:v2.0 --source_path /workspace/DeOldify/resource_images/1.jpg --render_factor 35

![](https://img-blog.csdnimg.cn/img_convert/1f4b4b4fe884dcfb70fac652c031e530.png

9. 自己构建镜像

如果我构建的镜像不符合读者的需求,可以改动Dockerfile自行构建

9.1 部署模型以及脚本

下载地址:链接：https://share.weiyun.com/lpsjQ5Pc 密码：7rfys7

9.2 Dockerfile

# 使用 Miniconda 基础镜像
FROM registry.cn-hangzhou.aliyuncs.com/zr-dev/miniconda3:v1.0

# 设置工作目录
WORKDIR /home/ai


# 将本地的 GFPGAN 文件夹复制到容器中
COPY ./DeOldify /workspace/DeOldify

# 设置工作目录为 GFPGAN 文件夹
WORKDIR /workspace/DeOldify


# 安装和相关依赖（CPU 版本）
RUN conda env update -n base -f environment.yml
# 将启动脚本复制到容器内
COPY ./start.py /workspace/DeOldify/start.py

# 将预训练模型从本地复制到容器中
COPY ./ColorizeArtistic_gen.pth /workspace/DeOldify/models/ColorizeArtistic_gen.pth

# 安装 libGL 和其他 OpenCV 所需的依赖
RUN apt-get update && apt-get install -y \
    libgl1-mesa-glx \
    libglib2.0-0 \
    libsm6 \
    libxrender1 \
    libxext6

# 将本地下载的 resnet34 预训练模型复制到容器中
COPY ./resnet34-b627a593.pth /root/.cache/torch/hub/checkpoints/resnet34-b627a593.pth

# 执行 Python 脚本
# ENTRYPOINT ["python", "start.py"]
# 使用 bash 作为容器的入口
ENTRYPOINT ["/bin/bash"]

注意处理完成的图片是result_images不在output_images

_院长大人_
关注
专栏目录
Python-DeOldify基于深度学习对老照片自动着色与修复
08-10
DeOldify - 基于深度学习对老照片自动着色与修复
AI老照片上色-DeOldify
qq_32020645的博客
01-10 1824
🏡 个人主页：IT贫道_大数据OLAP体系技术栈,Apache Doris,Clickhouse 技术-CSDN博客🚩 私聊博主：加入大数据技术讨论群聊，获取更多大数据资料。🔔 博主个人B栈地址：豹哥教你学编程的个人空间-豹哥教你学编程个人主页-哔哩哔哩视频。
图片上色项目 —— Deoldify
zkkkkkkkkkkkkk的博客
05-24 917
目录 一、拉取Deoldify项目代码 二、下载预训练模型 2.1、步骤 一、拉取Deoldify项目代码 git地址：https://github.com/jantic/DeOldify 二、下载预训练模型 2.1、步骤 1）在项目根目录创建models文件夹 2）下载预训练模型......
使用Deoldify模型来对视频影像复原（对运行时遇到的问题的做出的解决方案）
qq_64757029的博客
04-18 995
将处理好的视频进行对比，不难发现deoldify模型依旧具有很强的复原能力，但是仍然会有一些地方出现原片中黄色的斑驳，而且主要出现于人类的脸部和视频中环境较为复杂的地方，如果在训练的时候多加入这类的图片，也许模型可能还能再有提升的空间。
DeOldify 开源项目使用教程
gitblog_00610的博客
08-09 892
DeOldify 开源项目使用教程 DeOldifyA Deep Learning based project for colorizing and restoring old images (and video!)项目地址:https://gitcode.com/gh_mirrors/de/DeOldify 1. 项目的目录结构及介绍 DeOldify 项目的目录结构如下： DeOldify/...
DeOldify实现老照片上色（附直接使用的工具代码） | 机器学习
阿良的博客
06-20 5776
老照片上色其实很早之前就想写了，也有不少人问了我这个项目。 最近把DeOldify项目好好弄了弄。
基于深度学习的黑白照片上色DeOldify算法设计源码
09-29
该项目为基于深度学习的黑白照片上色工具DeOldify的设计源码，包含57个文件，包括20个Python源代码文件、13个Jupyter Notebook文件、5个Shell脚本文件、3个文本文件、2个YAML配置文件、1个Git属性文件和1个Git忽略...
C# DeOldify 黑白照片 老照片上色 源码
09-27
本文将详细介绍如何利用C#编程语言，结合DeOldify框架，对黑白照片进行上色和修复，重现那些珍贵的历史瞬间。 DeOldify是一款基于深度学习的开源项目，最初由Jason Jackson开发，用于实时视频颜色化。这个项目的...
C# DeOldify 黑白照片 老照片上色 exe.rar
09-27
"DeOldify 黑白照片 老照片上色.exe"是实际的可执行文件，用户可以直接运行该程序来处理图片。它内部集成了DeOldify的模型，当用户选择一张黑白照片作为输入，程序会通过神经网络模型分析图像特征，并根据预训练的...
深度学习+pyTorch+GAN+计算机视觉+为黑白图片上色
05-14
如果你上过美术课，那么你一定知道画一幅彩色画的步骤，比如画一棵树，首先需要用铅笔勾勒出树的轮廓，然后在黑白图片...本程序实现了一个pix2pix模型来为黑白图片自动上色，这在计算机视觉领域成为图到图的翻译任务。
DeOldify：一个基于深度学习的项目，用于对旧图像（和视频）进行着色和还原
02-16
取消旧版 快速入门：使用DeOldify（免费！）的最简单方法是在此处： DeOldify图像着色的最高级版本仅在此处可用。 免费尝试一些图片！ 图片（艺术） | 视频 NEW使用默认的图像着色器（又称“艺术”）有麻烦吗？ 请尝试以下“稳定”的方法。 它通常不会产生像“艺术”一样有趣的颜色，但是毛刺明显减少了。 图像（稳定） 老爱尔兰在Colour的John Breslin的视频教程表格中提供了有关如何使用上述Colabs的说明。 这很棒！ 点击下面的视频图像观看。 在获取更多更新 。 目录 关于DeOldify 简而言之，该项目的任务是对旧图像和胶片进行着色和还原。 我们将详细介绍一些细节，但首先让我们看一些漂亮的图片和视频！ DeOldify中令人兴奋的新东西 毛刺和伪像几乎被完全消除 更好的皮肤（更少的僵​​尸） 更详细，更真实的渲染 更少的“蓝色偏见” 视频-实际
阿里图片上色模型文件pytorch-model.pt
01-31
阿里图片上色模型文件pytorch_model.pt
Python-ImageColor利用深度学习方法给黑白图片图片上色
08-10
本文将深入探讨如何使用Python的特定库，如`ImageColor`，来实现一种基于深度学习的方法，为黑白图片上色。这个过程通常被称为图像色彩化，它涉及到使用训练好的模型来预测图像像素的颜色信息。 首先，我们要明确`...
阿里图片上色软件，AI自动根据上传图片进行上色处理
01-31
阿里图片上色软件，AI自动根据上传图片进行上色处理 这里需要注意的是，下载解压完以后还需要下载模型文件，链接：https://download.csdn.net/download/m0_37649480/88798210 下载完模型文件【pytorch_model.pt】后...
基于Python和C++技术的黑白照片上色设计源码
最新发布
10-02
该项目是一个基于Python和C++技术的黑白照片上色设计源码，包含144个文件，其中Python代码文件105个，其他文件类型包括IPython笔记本、模板文件、文本文件、YAML文件、C++源文件和CUDA文件。该项目旨在将黑白照片...
黑白老照片上色，手把手教你用Python怎么玩 DeOldify！
小张Python
05-29 7030
基于深度学习的黑白照片上色，今天手把手教你怎么玩儿 各位读者们，大家好啊，上个月初写了一篇关于老照片修复的教程，有读者看完不过瘾，表示想让我再安排一篇黑白照片上色教程，于是就有了这篇文章的由来 DeOldify 介绍 开始之前先对这个项目做个简单介绍，DeOldify 是一个关于给黑白照片上色的项目，是基于深度学习技术开发的，源码在 Github 上已经开源，目前收获了 13.4 k Star；去年有一个 B 站 Up主 制作了一个有关修复 100 年前老北京的视频 其中用到的上色就用到了DeOldi
深度学习将灰度图着色_使用DeOldify着色和还原灰度图像和视频
weixin_26632369的博客
07-21 4502
深度学习将灰度图着色Image colorization is an engaging topic in the field of image-to-image translation. Even though color photography was invented in 1907, It didn’t become popular for the average person until ...
利用ps进行图片美化与设计
01-13
本篇文章将详细介绍如何利用PS进行图片美化与设计，帮助你提升作品的艺术感和专业性。 首先，我们来看如何为黑白图片上色。在PS中，你可以使用“色彩范围”工具或“快速选择工具”选取你要上色的部分，然后通过...
PictureColorizerPro: 精准的黑白图片自动上色工具
3. 深度学习在图片处理中的应用：Picture Colorizer Pro 很可能应用了深度学习技术，如卷积神经网络（CNN）等，通过训练大量的彩色和黑白图片对，让算法模型学习如何将黑白图片转换为彩色图片。这种技术是当前图像...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值