HivisionIDPhoto Docker部署以及Springboot接口对接(AI证件照制作)

已于 2024-10-25 14:10:41 修改
阅读量897 收藏 24
点赞数 18
分类专栏： 其他 文章标签： docker spring boot 人工智能 证件照
于 2024-10-25 13:59:04 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/143232861
版权

项目简介

项目以及官方文档地址

HivisionIDPhoto 旨在开发一种实用、系统性的证件照智能制作算法。

它利用一套完善的AI模型工作流程，实现对多种用户拍照场景的识别、抠图与证件照生成。

HivisionIDPhoto 可以做到：

  1. 轻量级抠图（纯离线，仅需 CPU 即可快速推理）
  2. 根据不同尺寸规格生成不同的标准证件照、六寸排版照
  3. 支持 纯离线 或 端云 推理
  4. 美颜
  5. 智能换正装（waiting）

Docker 部署

拉取镜像

官方再docker hub是有镜像源的,但是因为某些原因可能pull失败,我备份了一份到阿里云镜像仓库(官方版本为1.2.9),如下拉取镜像

docker pull registry.cn-hangzhou.aliyuncs.com/zr-dev/hivision_idphotos:v1.0

启动 Gradio Demo 服务

运行下面的命令，在你的本地访问 http://127.0.0.1:7860 即可使用。

docker run -d -p 7860:7860 registry.cn-hangzhou.aliyuncs.com/zr-dev/hivision_idphotos:v1.0

启动 API 后端服务

此处我将容器内部的8080端口映射到本机的8087,读者可以自定义想要映射的端口

docker run -d -p 8087:8080 registry.cn-hangzhou.aliyuncs.com/zr-dev/hivision_idphotos:v1.0 python3 deploy_api.py

服务启动后咱们就可以调用服务的接口了**(为了防止特殊原因,api文档也备份了一份在文章末尾,并附上官方接口文档地址)**

Springboot 进行接口对接

抽取配置文件,将HivisionIDPhoto后端服务的地址抽取为配置类

photo:
  id-photo-base-url: http://127.0.0.1:8087

生成证件照(底透明)+添加背景色

  1. 此处我只需要实现生成证件照的功能,总共需要对接如下两个接口,如果读者还有其他需求可以,参考官方文档
  2. callIdPhotoApi
    1. inputPath: 将图片上传到/ai/img/input/2024/10/24/60182299d7d371cbe2b0b7c9f9c8234_20241024111616A001.jpg(即代码中的inputPath)
      1. 上传代码可以参考我的另一篇文章SpringBoot 上传图片-指定目录按照日期存储
    2. height: 生成证件照的高
    3. width: 生成证件照的宽
    4. human_matting_model和face_detect_model可以根据自己的需求更换
  3. addBackground
    1. inputImageBase64: 生成的结果(base64图片)
    2. color: 背景色HEX值，默认为000000
    3. fileService.upload() :将生成的证件照上传到阿里云oss,生成url
import cn.hutool.http.HttpRequest;
import cn.hutool.http.HttpResponse;
import cn.hutool.http.HttpUtil;
import com.alibaba.fastjson2.JSONObject;
import com.aliyun.openservices.shade.com.alibaba.fastjson.JSON;
import com.hss.common.utils.uuid.UUID;
import com.hss.system.service.FileService;
import lombok.extern.slf4j.Slf4j;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.stereotype.Service;

import java.io.File;
import java.util.Base64;
import java.util.HashMap;
import java.util.Map;


/**
 * @author zr 2024/10/24
 */

@Service
@Slf4j
public class ImageProcessor {

    @Autowired
    private FileService fileService;

    @Value("${photo.id-photo-base-url}")
    private String idPhotoBaseUrl;

    public String callIdPhotoApi(String inputPath,Integer height,Integer width) {
        String url = idPhotoBaseUrl+"/idphoto";
        Map<String, String> headers = new HashMap<>();
        // 根据需要添加头部信息，例如：
        // headers.put("Content-Type", "multipart/form-data");

        Map<String, Object> parameters = new HashMap<>();
        parameters.put("input_image", new File(inputPath));
        parameters.put("height", height);
        parameters.put("width", width);
        parameters.put("human_matting_model", "rmbg-1.4"); //人像分割模型，默认为modnet_photographic_portrait_matting。可选值为modnet_photographic_portrait_matting、hivision_modnet、rmbg-1.4、birefnet-v1-lite
        parameters.put("face_detect_model", "mtcnn"); //人脸检测模型，默认为mtcnn。可选值为mtcnn、face_plusplus、retinaface-resnet50
        parameters.put("hd", true);
        parameters.put("dpi", 300);
        parameters.put("face_alignment", true);

        HttpResponse response = httpPost(url, headers, parameters);
        // 处理响应
        String body = response.body();
        JSONObject jsonObject = com.alibaba.fastjson2.JSON.parseObject(body);
        Boolean status = jsonObject.getBoolean("status");
        if (status){
            String imageData = jsonObject.getString("image_base64_hd");
            return imageData;
        } else {
            log.info("请求失败{}");
            return null;
        }
    }

    public String addBackground(String inputImageBase64,String color) {
        String url = idPhotoBaseUrl+"/add_background";
        Map<String, String> headers = new HashMap<>();
        // 根据需要添加头部信息，例如：
        // headers.put("Content-Type", "multipart/form-data");

        Map<String, Object> parameters = new HashMap<>();

        // 添加请求参数
        parameters.put("input_image_base64", inputImageBase64);
        parameters.put("color", color);
//        parameters.put("kb", kb); //输出照片的 KB 值，默认为None，即不对图像进行KB调整。
//        parameters.put("render", render); //渲染模式，默认为0。可选值为0、1、2，分别对应纯色、上下渐变、中心渐变。
//        parameters.put("dpi", dpi); //图像分辨率，默认为300

        HttpResponse response = httpPost(url, headers, parameters);
        // 处理响应
        String body = response.body();
        JSONObject jsonObject = com.alibaba.fastjson2.JSON.parseObject(body);
        Boolean status = jsonObject.getBoolean("status");
        if (status){
            String imageData = jsonObject.getString("image_base64");
            // 检查并去掉 Base64 前缀
            if (imageData.startsWith("data:image/")) {
                imageData = imageData.substring(imageData.indexOf(",") + 1);
            }
            byte[] imageBytes = Base64.getDecoder().decode(imageData);
            String upload = fileService.upload(imageBytes, UUID.fastUUID() + ".jpg");
            return upload;
        } else {
            log.info("请求失败{}");
            return null;
        }
    }
    private HttpResponse httpPost(String url,Map<String, String> headers,Map<String, Object> parameter) {
        HttpRequest httpRequest = HttpUtil.createPost(url).form(parameter).addHeaders(headers);
        HttpResponse response = httpRequest.execute();
        log.info("Url: "+httpRequest.getUrl());
        log.info("head: "+JSON.toJSONString(httpRequest.headers()));
        log.info("parame: "+JSON.toJSONString(httpRequest.form()));
        log.info("res: "+response.body());
        return response;
    }
}

测试

import lombok.extern.slf4j.Slf4j;
import org.junit.Test;
import org.junit.runner.RunWith;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;
import org.springframework.test.context.junit4.SpringRunner;

/**
 * @author zr 2024/10/24
 */
@RunWith(SpringRunner.class)
@SpringBootTest(classes = HssApplication.class)
@Slf4j
public class IdPhotoTest {
    @Autowired
    private ImageProcessor imageProcessor;

    @Test
    public void callIdPhotoApi() {
        String s = imageProcessor.callIdPhotoApi("/ai/img/input/2024/10/24/60182299d7d371cbe2b0b7c9f9c8234_20241024111616A001.jpg",413,295);
        log.info(s);
    }

    @Test
    public void addBackground() {
        String s = imageProcessor.addBackground(imageProcessor.callIdPhotoApi("/ai/img//input/2024/10/24/23-Authentic-Chinese-Hairstyle-Ideas-00-scaled_20241024133448A001.jpg",413,295), "638cce");
        log.info(s);
    }
}

测试结果

  1. 原图

  1. callIdPhotoApi测试结果

  1. addBackground测试结果

API Docs

官方api文档地址

目录

开始之前：开启后端服务

在请求 API 之前，请先运行后端服务

python deploy_api.py

接口功能说明

1.生成证件照(底透明)

接口名：idphoto

生成证件照接口的逻辑是发送一张 RGB 图像，输出一张标准证件照和一张高清证件照：

  • 高清证件照：根据size的宽高比例制作的证件照，文件名为output_image_dir增加_hd后缀
  • 标准证件照：尺寸等于size，由高清证件照缩放而来，文件名为output_image_dir

需要注意的是，生成的两张照片都是透明的（RGBA 四通道图像），要生成完整的证件照，还需要下面的添加背景色接口。

问：为什么这么设计？
答：因为在实际产品中，经常用户会频繁切换底色预览效果，直接给透明底图像，由前端 js 代码合成颜色是更好体验的做法。

请求参数：

参数名类型必填说明
input_imagefile和input_image_base64二选一传入的图像文件，图像文件为需为RGB三通道图像。
input_image_base64str和input_image二选一传入的图像文件的base64编码，图像文件为需为RGB三通道图像。
heightint否标准证件照高度，默认为413
widthint否标准证件照宽度，默认为295
human_matting_modelstr否人像分割模型，默认为modnet_photographic_portrait_matting。可选值为modnet_photographic_portrait_matting、hivision_modnet、rmbg-1.4、birefnet-v1-lite
face_detect_modelstr否人脸检测模型，默认为mtcnn。可选值为mtcnn、face_plusplus、retinaface-resnet50
hdbool否是否生成高清证件照，默认为true
dpiint否图像分辨率，默认为300
face_alignmentbool否是否进行人脸对齐，默认为true
head_measure_ratiofloat否面部面积与照片面积的比例，默认为0.2
head_height_ratiofloat否面部中心与照片顶部的高度比例，默认为0.45
top_distance_maxfloat否头部与照片顶部距离的比例最大值，默认为0.12
top_distance_minfloat否头部与照片顶部距离的比例最小值，默认为0.1

返回参数：

参数名类型说明
statusint状态码，true表示成功
image_base64_standardstr标准证件照的base64编码
image_base64_hdstr高清证件照的base64编码。如hd参数为false，则不返回该参数

2.添加背景色

接口名：add_background

添加背景色接口的逻辑是接收一张 RGBA 图像（透明图），根据color添加背景色，合成一张 JPG 图像。

请求参数：

参数名类型必填说明
input_imagefile和input_image_base64二选一传入的图像文件，图像文件为需为RGBA四通道图像。
input_image_base64str和input_image二选一传入的图像文件的base64编码，图像文件为需为RGBA四通道图像。
colorstr否背景色HEX值，默认为000000
kbint否输出照片的 KB 值，默认为None，即不对图像进行KB调整。
renderint否渲染模式，默认为0。可选值为0、1、2，分别对应纯色、上下渐变、中心渐变。
dpiint否图像分辨率，默认为300

返回参数：

参数名类型说明
statusint状态码，true表示成功
image_base64str添加背景色之后的图像的base64编码

3.生成六寸排版照

接口名：generate_layout_photos

生成六寸排版照接口的逻辑是接收一张 RGB 图像（一般为添加背景色之后的证件照），根据size进行照片排布，然后生成一张六寸排版照。

请求参数：

参数名类型必填说明
input_imagefile和input_image_base64二选一传入的图像文件，图像文件为需为RGB三通道图像。
input_image_base64str和input_image二选一传入的图像文件的base64编码，图像文件为需为RGB三通道图像。
heightint否输入图像的高度，默认为413
widthint否输入图像的宽度，默认为295
kbint否输出照片的 KB 值，默认为None，即不对图像进行KB调整。
dpiint否图像分辨率，默认为300

返回参数：

参数名类型说明
statusint状态码，true表示成功
image_base64str六寸排版照的base64编码

4.人像抠图

接口名：human_matting

人像抠图接口的逻辑是接收一张 RGB 图像，输出一张标准抠图人像照和高清抠图人像照（无任何背景填充）。

请求参数：

参数名类型必填说明
input_imagefile是传入的图像文件，图像文件为需为RGB三通道图像。
human_matting_modelstr否人像分割模型，默认为modnet_photographic_portrait_matting。可选值为modnet_photographic_portrait_matting、hivision_modnet、rmbg-1.4、birefnet-v1-lite
dpiint否图像分辨率，默认为300

返回参数：

参数名类型说明
statusint状态码，true表示成功
image_base64str抠图人像照的base64编码

5.图像加水印

接口名：watermark

图像加水印接口的功能是接收一个水印文本，然后在原图上添加指定的水印。用户可以指定水印的位置、透明度和大小等属性，以便将水印无缝地融合到原图中。

请求参数：

参数名类型必填说明
input_imagefile和input_image_base64二选一传入的图像文件，图像文件为需为RGB三通道图像。
input_image_base64str和input_image二选一传入的图像文件的base64编码，图像文件为需为RGB三通道图像。
textstr否水印文本，默认为Hello
sizeint否水印字体大小，默认为20
opacityfloat否水印透明度，默认为0.5
angleint否水印旋转角度，默认为30
colorstr否水印颜色，默认为#000000
spaceint否水印间距，默认为25
dpiint否图像分辨率，默认为300

返回参数：

参数名类型说明
statusint状态码，true表示成功
image_base64str添加水印之后的图像的base64编码

6.设置图像KB大小

接口名：set_kb

设置图像KB大小接口的功能是接收一张图像和目标文件大小（以KB为单位），如果设置的KB值小于原文件，则调整压缩率；如果设置的KB值大于源文件，则通过给文件头添加信息的方式调大KB值，目标是让图像的最终大小与设置的KB值一致。

请求参数：

参数名类型必填说明
input_imagefile和input_image_base64二选一传入的图像文件，图像文件为需为RGB三通道图像。
input_image_base64str和input_image二选一传入的图像文件的base64编码，图像文件为需为RGB三通道图像。
kbint否输出照片的 KB 值，默认为None，即不对图像进行KB调整。
dpiint否图像分辨率，默认为300

返回参数：

参数名类型说明
statusint状态码，true表示成功
image_base64str设置KB大小之后的图像的base64编码

7.证件照裁切

接口名：idphoto_crop

证件照裁切接口的功能是接收一张 RBGA 图像（透明图），输出一张标准证件照和一张高清证件照。

请求参数：

参数名类型必填说明
input_imagefile和input_image_base64二选一传入的图像文件，图像文件为需为RGBA四通道图像。
input_image_base64str和input_image二选一传入的图像文件的base64编码，图像文件为需为RGBA四通道图像。
heightint否标准证件照高度，默认为413
widthint否标准证件照宽度，默认为295
face_detect_modelstr否人脸检测模型，默认为mtcnn。可选值为mtcnn、face_plusplus、retinaface-resnet50
hdbool否是否生成高清证件照，默认为true
dpiint否图像分辨率，默认为300
head_measure_ratiofloat否面部面积与照片面积的比例，默认为0.2
head_height_ratiofloat否面部中心与照片顶部的高度比例，默认为0.45
top_distance_maxfloat否头部与照片顶部距离的比例最大值，默认为0.12
top_distance_minfloat否头部与照片顶部距离的比例最小值，默认为0.1

返回参数：

参数名类型说明
statusint状态码，true表示成功
image_base64str证件照裁切之后的图像的base64编码
image_base64_hdstr高清证件照裁切之后的图像的base64编码，如hd参数为false，则不返回该参数

cURL 请求示例

cURL 是一个命令行工具，用于使用各种网络协议传输数据。以下是使用 cURL 调用这些 API 的示例。

1. 生成证件照(底透明)

curl -X POST "http://127.0.0.1:8080/idphoto" \
-F "input_image=@demo/images/test0.jpg" \
-F "height=413" \
-F "width=295" \
-F "human_matting_model=modnet_photographic_portrait_matting" \
-F "face_detect_model=mtcnn" \
-F "hd=true" \
-F "dpi=300" \
-F "face_alignment=true"

2. 添加背景色

curl -X POST "http://127.0.0.1:8080/add_background" \
-F "input_image=@test.png" \
-F "color=638cce" \
-F "kb=200" \
-F "render=0" \
-F "dpi=300"

3. 生成六寸排版照

curl -X POST "http://127.0.0.1:8080/generate_layout_photos" \
-F "input_image=@test.jpg" \
-F "height=413" \
-F "width=295" \
-F "kb=200" \
-F "dpi=300"

4. 人像抠图

curl -X POST "http://127.0.0.1:8080/human_matting" \
-F "input_image=@demo/images/test0.jpg" \
-F "human_matting_model=modnet_photographic_portrait_matting" \
-F "dpi=300"

5. 图片加水印

curl -X 'POST' \
  'http://127.0.0.1:8080/watermark?size=20&opacity=0.5&angle=30&color=%23000000&space=25' \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -F 'input_image=@demo/images/test0.jpg;type=image/jpeg' \
  -F 'text=Hello' \
  -F 'dpi=300'

6. 设置图像KB大小

curl -X 'POST' \
  'http://127.0.0.1:8080/set_kb' \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -F 'input_image=@demo/images/test0.jpg;type=image/jpeg' \
  -F 'kb=50' \
  -F 'dpi=300'

7. 证件照裁切

curl -X 'POST' \
  'http://127.0.0.1:8080/idphoto_crop?head_measure_ratio=0.2&head_height_ratio=0.45&top_distance_max=0.12&top_distance_min=0.1' \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -F 'input_image=@idphoto_matting.png;type=image/png' \
  -F 'height=413' \
  -F 'width=295' \
  -F 'face_detect_model=mtcnn' \
  -F 'hd=true' \
  -F 'dpi=300'

Python 请求示例

1.生成证件照(底透明)
import requests

url = "http://127.0.0.1:8080/idphoto"
input_image_path = "demo/images/test0.jpg"

# 设置请求参数
params = {
    "head_measure_ratio": 0.2,
    "head_height_ratio": 0.45,
    "top_distance_max": 0.12,
    "top_distance_min": 0.1,
}
files = {"input_image": open(input_image_path, "rb")}
data = {
    "height": 413,
    "width": 295,
    "human_matting_model": "modnet_photographic_portrait_matting",
    "face_detect_model": "mtcnn",
    "hd": True,
    "dpi": 300,
    "face_alignment": True,
}

response = requests.post(url, params=params, files=files, data=data).json()

# response为一个json格式字典，包含status、image_base64_standard和image_base64_hd三项
print(response)
2.添加背景色
import requests

url = "http://127.0.0.1:8080/add_background"
input_image_path = "test.png"

files = {"input_image": open(input_image_path, "rb")}
data = {
    "color": '638cce',
    "kb": None,
    "render": 0,
    "dpi": 300,
}

response = requests.post(url, files=files, data=data).json()

# response为一个json格式字典，包含status和image_base64
print(response)
3.生成六寸排版照
import requests

url = "http://127.0.0.1:8080/generate_layout_photos"
input_image_path = "test.jpg"

files = {"input_image": open(input_image_path, "rb")}
data = {
    "height": 413,
    "width": 295,
    "kb": 200,
    "dpi": 300,
}

response = requests.post(url, files=files, data=data).json()

# response为一个json格式字典，包含status和image_base64
print(response)
4.人像抠图
import requests

url = "http://127.0.0.1:8080/human_matting"
input_image_path = "test.jpg"

files = {"input_image": open(input_image_path, "rb")}
data = {
    "human_matting_model": "modnet_photographic_portrait_matting",
    "dpi": 300,
}

response = requests.post(url, files=files, data=data).json()

# response为一个json格式字典，包含status和image_base64
print(response)
5.图片加水印
import requests

# 设置请求的 URL 和参数
url = "http://127.0.0.1:8080/watermark"
params = {
    "size": 20,
    "opacity": 0.5,
    "angle": 30,
    "color": "#000000",
    "space": 25,
}

# 设置文件和其他表单数据
input_image_path = "demo/images/test0.jpg"
files = {"input_image": open(input_image_path, "rb")}
data = {"text": "Hello", "dpi": 300}

# 发送 POST 请求
response = requests.post(url, params=params, files=files, data=data)

# 检查响应
if response.ok:
    # 输出响应内容
    print(response.json())
else:
    # 输出错误信息
    print(f"Request failed with status code {response.status_code}: {response.text}")

6. 设置图像KB大小

import requests

# 设置请求的 URL
url = "http://127.0.0.1:8080/set_kb"

# 设置文件和其他表单数据
input_image_path = "demo/images/test0.jpg"
files = {"input_image": open(input_image_path, "rb")}
data = {"kb": 50, "dpi": 300}

# 发送 POST 请求
response = requests.post(url, files=files, data=data)

# 检查响应
if response.ok:
    # 输出响应内容
    print(response.json())
else:
    # 输出错误信息
    print(f"Request failed with status code {response.status_code}: {response.text}")

7. 证件照裁切

import requests

# 设置请求的 URL
url = "http://127.0.0.1:8080/idphoto_crop"

# 设置请求参数
params = {
    "head_measure_ratio": 0.2,
    "head_height_ratio": 0.45,
    "top_distance_max": 0.12,
    "top_distance_min": 0.1,
}

# 设置文件和其他表单数据
input_image_path = "idphoto_matting.png"
files = {"input_image": ("idphoto_matting.png", open(input_image_path, "rb"), "image/png")}
data = {
    "height": 413,
    "width": 295,
    "face_detect_model": "mtcnn",
    "hd": "true",
    "dpi": 300,
}

# 发送 POST 请求
response = requests.post(url, params=params, files=files, data=data)

# 检查响应
if response.ok:
    # 输出响应内容
    print(response.json())
else:
    # 输出错误信息
    print(f"Request failed with status code {response.status_code}: {response.text}")
_院长大人_
关注
专栏目录
Docker部署Springboot项目
PANGXIE89的博客
06-23 968
Docker部署Springboot项目
docker容器化+k8s集群部署教程以及springboot+vue部署示例
04-11
本文介绍VMware虚拟机下centos7操作系统中如何安装云原生 Kubernetes（k8s）集群、k8s可视化界面kuboard，以及如何利用docker容器化将springboot+vue项目在k8s集群中部署运行。
828华为云征文｜华为云Flexus X实例部署安装HivisionIDPhoto一个轻量级的AI证件照制作算法
知无涯
09-06 1万+
Flexus X 是华为云为中小企业和开发者量身打造的下一代柔性算力云服务器，能够智能感知业务负载，专为电商直播、企业建站、开发测试环境、游戏服务器、音视频服务等中低负载场景设计。灵活算力，随需配置基于用户的业务负载和内存峰值智能分析，动态推荐合适的规格，减少算力浪费，提升资源利用率。持续加速，性能卓越依托创新的大模型支持和智能全域调度，X-Turbo 加速技术让常见应用的性能最高可达业界同规格的 6 倍。越用越省，成本优化依据算力需求动态调整，按需计费，结合智能推荐确保始终享有最优的成本效益。
开源图片处理工具HivisionIDPhotos本地化部署与制作证件照教程
旋律 | 话语 | 色彩 | 情景
10-10 1081
开源图片处理工具HivisionIDPhotos本地化部署与制作证件照教程
OpenObserve云原生可观测平台本地Docker部署与远程访问实战教程
热门推荐
weixin_44976692的博客
09-05 2万+
本文主要介绍如何在Linux系统使用Docker快速本地化部署OpenObserve云原生可观测平台，并结合cpolar内网穿透工具轻松实现远程访问本地搭建的平台界面管理和可视化各种可观察数据。OpenObserve是一个基于 Rust 的云原生可观察性平台，可以处理 PB 级的数据，是一款用于日志、指标、分析和追踪，真实用户监控（RUM）的可观测工具，与需要理解和调整大量设置的Elasticsearch相比，它简单明了，易于操作。而且日志存储成本降低约 140 倍，几分钟就能快速部署并运行观察。
HivisionIDPhotos
weixin_62798503的博客
09-09 2040
访问 NVIDIA CUDA Toolkit 下载页面，选择 CUDA 12.3 版本。port变量为设置服务器监听的端口为业务端口,此处改为业务端口。(24.7MB): 对纯色换底适配性更好的抠图模型，启动成功后，访问http://主机IP:端口。直接一直enter键，到输入路径和yes。这边建议路径为：miniconda3。将原有的内容注释(每行最前面加#)更新时间较长，请耐心等待。如果下载速度较慢可添加。
一款新兴轻量级 AI 证件照制作工具：HivisionIDPhoto，助你快速生成标准照
easylife206的专栏
09-09 403
公众号关注「奇妙的 Linux 世界」设为「星标」，每天带你玩转 Linux ！在数字化时代，证件照制作不仅仅是摄影师的专属工作，借助 AI 技术，普通用户也能轻松制作标准的证件照。今天我要给大家推荐一个轻量级的 AI 证件照制作工具—HivisionIDPhoto。它能够帮助你快速生成符合不同规格的标准证件照，并且支持多种功能，如智能抠图、美颜（即将推出）以及智能换正装（即将推出）。最关键的是...
AI证件照，抠图、换背景、任意尺寸...有了这个神器,证件照通通自己搞定（本地化部署教程）
淘小欣的博客
09-07 1288
最近有个Github开源的AI证件照神器火了,以后再也不用专门跑一趟照相馆拍证件照了!你随手一张日常生活照或自拍,上传到它那里,分分钟就能帮你换上。。这款名叫的开源工具,它不仅能帮你便捷地制作出免冠白底照、蓝底照,登记照等不同类型的证件照,还支持多种常用的尺寸规格,小到1寸、大到6寸应有尽有。想用它制作。除了能"万能"换背景,还自带轻量级抠图功能,哪怕你上传的原始照片背景有些complex,它也能利用强大的AI算法,为你提取出干净利落的人像。
docker部署AI证件照工具 —— 筑梦之路
最新发布
筑梦之路
10-18 384
一款开源的图片处理工具，可以利用AI模型对照片进行轻量级智能抠图、调整尺寸生成不同的标准证件照、替换背景、美颜、智能换正装等操作。
一键抠图+一键切换图片背景+旧照片修复+AI人像多风格漫画+AI视屏卡通化+文生图项目源码+项目说明.zip
02-27
1、该资源内项目代码经过严格调试，下载即用确保可以运行！ 2、该资源适合计算机相关专业(如计科、人工智能、大数据、数学、电子信息等)正在做课程设计、期末大作业和毕设项目的学生、或者相关技术学习者作为学习资料参考使用。 3、该资源包括全部源码，需要具备一定基础才能看懂并调试代码。 一键抠图+一键切换图片背景+旧照片修复+AI人像多风格漫画+AI视屏卡通化+文生图项目源码+项目说明.zip 一键抠图+一键切换图片背景+旧照片修复+AI人像多风格漫画+AI视屏卡通化+文生图项目源码+项目说明.zip 一键抠图+一键切换图片背景+旧照片修复+AI人像多风格漫画+AI视屏卡通化+文生图项目源码+项目说明.zip 一键抠图+一键切换图片背景+旧照片修复+AI人像多风格漫画+AI视屏卡通化+文生图项目源码+项目说明.zip 一键抠图+一键切换图片背景+旧照片修复+AI人像多风格漫画+AI视屏卡通化+文生图项目源码+项目说明.zip 一键抠图+一键切换图片背景+旧照片修复+AI人像多风格漫画+AI视屏卡通化+文生图项目源码+项目说明.zip
Docker部署springboot项目（保姆级文档）
weixin_62404729的博客
05-23 1万+
此文章编写了自定义创建docker、自定义镜像redis、自定义镜像jdk、自定义镜像tomcat、自定义镜像mysql、部署springboot项目，只要认真看没学过Docker都可以跟着学会
【零基础】手把手教你使用Docker部署Springboot项目（详细版）
fengprogrammer的博客
03-27 2万+
还不会使用Docker部署Springboot项目的小伙伴，不妨进来看看呗，希望文中内容对你有所帮助！
如何将照片或者视频中的背景图抠掉，机器学习开源项目使用 | 机器学习
阿良的博客
11-14 8495
前言 本文主要介绍一个神奇有意思的开源项目:
基于OpenVINO Model Server打造人像抠图服务器
英特尔开发人员专区
07-15 5806
请求报⽂体是个JSON字符串，按如下格式构造只有⼀个src字段，其值是⼀个四维数组，1x3x720x1280，3是RGB的3个通道，720是图⽚⾼度，1280是图⽚宽度。然后结合原始RGB图像数据、返回的predictions值、抠图后填充的背景颜⾊（⽐如红、蓝）进⾏处理，⽣成新的RGB数据，最后合成新的图形，并存储。响应报⽂体也是个JSON字符串，按如下格式解析只有⼀个predictions字段，其值是⼀个四维数组，1x1x720x1280，含义是alpha透明度。...
HivisionIDPhotos-证件照-免费开源的AI证件照制作工具
yuanmomoya的博客
09-05 1845
HivisionIDPhoto 旨在开发一种实用的证件照智能制作算法。它利用一套完善的模型工作流程，实现对多种用户拍照场景的识别、抠图与证件照生成。HivisionIDPhotos的项目地址GitHub仓库在线Demo体验地址。
Docker安装BRIA-RMBG-1.4模型，背景去除
07-09 763
BRIA 背景去除 v1.4 模型RMBG v1.4 是我们最先进的背景去除模型，旨在有效地将各种类别和图像类型的前景与背景分开。该模型已在精心选择的数据集上进行训练，其中包括：一般库存图片、电子商务、游戏和广告内容，使其适用于大规模企业内容创建的商业用例。其准确性、效率和多功能性目前可与领先的源可用模型相媲美。它是内容安全、合法许可的数据集和偏见缓解至关重要的理想选择。RMBG v1.4 由 BRIA AI 开发，可作为非商业用途的源可用模型。模型描述BRIA AI背景去除。
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