深度学习AI美颜系列----基于抠图的人像特效算法

深度学习AI美颜系列----基于抠图的人像特效算法

 

    美颜算法的重点在于美颜，也就是增加颜值，颜值的广定义，可以延伸到整个人体范围，也就是说，你的颜值不单单和你的脸有关系，还跟你穿什么衣服，什么鞋子相关，基于这个定义(这个定义是本人自己的说法，没有权威性考究)，今天我们基于人体抠图来做一些人像特效算法。

    抠图技术很早之前就有很多论文研究，但是深度学习的出现，大大的提高了抠图的精度，从CNN到FCN/FCN+/UNet等等，论文层出不穷，比如这篇Automatic Portrait Segmentation for Image Stylization，在FCN的基础上，提出了FCN+，专门针对人像抠图，效果如下：

图a是人像原图，图b是分割的Mask，图cde是基于Mask所做的一些效果滤镜；

要了解这篇论文，首先我们需要了解FCN，用FCN做图像分割：

该图中上面部分是CNN做图像分割的网络模型，可以看到，最后是全连接层来处理的，前5层是卷积层，第6层和第7层分别是一个长度为4096的一维向量，第8层是长度为1000的一维向量，分别对应1000个类别的概率；而下图部分是FCN，它将最后的三个全连接层换成了卷积层，卷积核的大小(通道数，宽，高)分别为（4096,1,1）、（4096,1,1）、（1000,1,1），这样以来，所有层都是卷积层，因此称为全卷积网络；

FCN网络流程如下：

在这个网络中，经过5次卷积(和pooling)以后，图像的分辨率依次缩小了2，4，8，16，32倍，对于第5层的输出，是缩小32倍的小图，我们需要将其进行上采样反卷积来得到原图大小的分辨率，也就是32倍放大，这样得到的结果就是FCN-32s，由于放大32倍，所以很不精确，因此，我们对第4层和第3层依次进行了反卷积放大，以求得到更加精细的分割结果，这个就是FCN的图像分割算法流程。

与传统CNN相比FCN的的优缺点如下：

 

优点：

①可以接受任意大小的输入图像，而不用要求所有的训练图像和测试图像具有同样的尺寸；

②更加高效，避免了由于使用像素块而带来的重复存储和计算卷积的问题；

缺点：

①得到的结果还是不够精细。进行8倍上采样虽然比32倍的效果好了很多，但是上采样的结果还是比较模糊和平滑，对图像中的细节不敏感；

②没有充分考虑像素与像素之间的关系，也就是丢失了空间信息的考虑；

在了解了FCN之后，就容易理解FCN+了，Automatic Portrait Segmentation for Image Stylization这篇论文就是针对FCN的缺点，进行了改进，在输入的数据中添加了人脸的空间位置信息，形状信息，以求得到精确的分割结果，如下图所示：

对于位置和形状数据的生成：

 

 位置通道：标识像素与人脸的相对位置，由于每张图片位置都不一样，我们采用归一化的x和y通道（像素的坐标），坐标以第一次检测到人脸特征点为准，并预估了匹配到的特征与人体标准姿势之间的一个单应变换T，我们将归一化的x通道定义为T（ximg），其中ximg是以人脸中心位置为0点的x坐标，同理y也是如此。这样，我们就得到了每个像素相对于人脸的位置（尺寸也有相应于人脸大小的缩放），形成了x和y通道。

形状通道：参考人像的标准形状（脸和部分上身），我们定义了一个形状通道。首先用我们的数据集计算一个对齐的平均人像mask。计算方法为：对每一对人像+mask，用上一步得到的单应变换T对mask做变换，变换到人体标准姿势，然后求均值。

W取值为0或1，当变换后在人像内的取值为1，否则为0。

然后就可以对平均mask类似地变换以与输入人像的面部特征点对齐。

论文对应的代码链接：点击打开链接

主体FCN+代码：

1. from __future__ import print_function

2. import tensorflow as tf

3. import numpy as np

4.  

5. import TensorflowUtils_plus as utils

6. #import read_MITSceneParsingData as scene_parsing

7. import datetime

8. #import BatchDatsetReader as dataset

9. from portrait_plus import BatchDatset, TestDataset

10. from PIL import Image

11. from six.moves import xrange

12. from scipy import misc

13.  

14. FLAGS = tf.flags.FLAGS

15. tf.flags.DEFINE_integer("batch_size", "5", "batch size for training")

16. tf.flags.DEFINE_string("logs_dir", "logs/", "path to logs directory")

17. tf.flags.DEFINE_string("data_dir", "Data_zoo/MIT_SceneParsing/", "path to dataset")

18. tf.flags.DEFINE_float("learning_rate", "1e-4", "Learning rate for Adam Optimizer")

19. tf.flags.DEFINE_string("model_dir", "Model_zoo/", "Path to vgg model mat")

20. tf.flags.DEFINE_bool('debug', "False", "Debug mode: True/ False")

21. tf.flags.DEFINE_string('mode', "train", "Mode train/ test/ visualize")

22.  

23. MODEL_URL = 'http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat'

24.  

25. MAX_ITERATION = int(1e5 + 1)

26. NUM_OF_CLASSESS = 2

27. IMAGE_WIDTH = 600

28. IMAGE_HEIGHT = 800

29.  
30.  

31. def vgg_net(weights, image):

32. layers = (

33. 'conv1_1', 'relu1_1', 'conv1_2', 'relu1_2', 'pool1',

34.  

35. 'conv2_1', 'relu2_1', 'conv2_2', 'relu2_2', 'pool2',

36.  

37. 'conv3_1', 'relu3_1', 'conv3_2', 'relu3_2', 'conv3_3',

38. 'relu3_3', 'conv3_4', 'relu3_4', 'pool3',

39.  

40. 'conv4_1', 'relu4_1', 'conv4_2', 'relu4_2', 'conv4_3',

41. 'relu4_3', 'conv4_4', 'relu4_4', 'pool4',

42.  

43. 'conv5_1', 'relu5_1', 'conv5_2', 'relu5_2', 'conv5_3',

44. 'relu5_3', 'conv5_4', 'relu5_4'

45. )

46.  

47. net = {}

48. current = image

49. for i, name in enumerate(layers):

50. if name in ['conv3_4', 'relu3_4', 'conv4_4', 'relu4_4', 'conv5_4', 'relu5_4']:

51. continue

52. kind = name[:4]

53. if kind == 'conv':

54. kernels, bias = weights[i][0][0][0][0]

55. # matconvnet: weights are [width, height, in_channels, out_channels]

56. # tensorflow: weights are [height, width, in_channels, out_channels]

57. kernels = utils.get_variable(np.transpose(kernels, (1, 0, 2, 3)), name=name + "_w")

58. bias = utils.get_variable(bias.reshape(-1), name=name + "_b")

59. current = utils.conv2d_basic(current, kernels, bias)

60. elif kind == 'relu':

61. current = tf.nn.relu(current, name=name)

62. if FLAGS.debug:

63. utils.add_activation_summary(current)

64. elif kind == 'pool':

65. current = utils.avg_pool_2x2(current)

66. net[name] = current

67.  

68. return net

69.  
70.  

71. def inference(image, keep_prob):

72. """

73. Semantic segmentation network definition

74. :param image: input image. Should have values in range 0-255

75. :param keep_prob:

76. :return:

77. """

78. print("setting up vgg initialized conv layers ...")

79. model_data = utils.get_model_data(FLAGS.model_dir, MODEL_URL)

80.  

81. mean = model_data['normalization'][0][0][0]

82. mean_pixel = np.mean(mean, axis=(0, 1))

83.  

84. weights = np.squeeze(model_data['layers'])

85.  

86. #processed_image = utils.process_image(image, mean_pixel)

87.  

88. with tf.variable_scope("inference"):

89. image_net = vgg_net(weights, image)

90. conv_final_layer = image_net["conv5_3"]

91.  

92. pool5 = utils.max_pool_2x2(conv_final_layer)

93.  

94. W6 = utils.weight_variable([7, 7, 512, 4096], name="W6")

95. b6 = utils.bias_variable([4096], name="b6")

96. conv6 = utils.conv2d_basic(pool5, W6, b6)

97. relu6 = tf.nn.relu(conv6, name="relu6")

98. if FLAGS.debug:

99. utils.add_activation_summary(relu6)

100. relu_dropout6 = tf.nn.dropout(relu6, keep_prob=keep_prob)

101.  

102. W7 = utils.weight_variable([1, 1, 4096, 4096], name="W7")

103. b7 = utils.bias_variable([4096], name="b7")

104. conv7 = utils.conv2d_basic(relu_dropout6, W7, b7)

105. relu7 = tf.nn.relu(conv7, name="relu7")

106. if FLAGS.debug:

107. utils.add_activation_summary(relu7)

108. relu_dropout7 = tf.nn.dropout(relu7, keep_prob=keep_prob)

109.  

110. W8 = utils.weight_variable([1, 1, 4096, NUM_OF_CLASSESS], name="W8")

111. b8 = utils.bias_variable([NUM_OF_CLASSESS], name="b8")

112. conv8 = utils.conv2d_basic(relu_dropout7, W8, b8)

113. # annotation_pred1 = tf.argmax(conv8, dimension=3, name="prediction1")

114.  

115. # now to upscale to actual image size

116. deconv_shape1 = image_net["pool4"].get_shape()

117. W_t1 = utils.weight_variable([4, 4, deconv_shape1[3].value, NUM_OF_CLASSESS], name="W_t1")

118. b_t1 = utils.bias_variable([deconv_shape1[3].value], name="b_t1")

119. conv_t1 = utils.conv2d_transpose_strided(conv8, W_t1, b_t1, output_shape=tf.shape(image_net["pool4"]))

120. fuse_1 = tf.add(conv_t1, image_net["pool4"], name="fuse_1")

121.  

122. deconv_shape2 = image_net["pool3"].get_shape()

123. W_t2 = utils.weight_variable([4, 4, deconv_shape2[3].value, deconv_shape1[3].value], name="W_t2")

124. b_t2 = utils.bias_variable([deconv_shape2[3].value], name="b_t2")

125. conv_t2 = utils.conv2d_transpose_strided(fuse_1, W_t2, b_t2, output_shape=tf.shape(image_net["pool3"]))

126. fuse_2 = tf.add(conv_t2, image_net["pool3"], name="fuse_2")

127.  

128. shape = tf.shape(image)

129. deconv_shape3 = tf.stack([shape[0], shape[1], shape[2], NUM_OF_CLASSESS])

130. W_t3 = utils.weight_variable([16, 16, NUM_OF_CLASSESS, deconv_shape2[3].value], name="W_t3")

131. b_t3 = utils.bias_variable([NUM_OF_CLASSESS], name="b_t3")

132. conv_t3 = utils.conv2d_transpose_strided(fuse_2, W_t3, b_t3, output_shape=deconv_shape3, stride=8)

133.  

134. annotation_pred = tf.argmax(conv_t3, dimension=3, name="prediction")

135.  

136. return tf.expand_dims(annotation_pred, dim=3), conv_t3

137.  
138.  

139. def train(loss_val, var_list):

140. optimizer = tf.train.AdamOptimizer(FLAGS.learning_rate)

141. grads = optimizer.compute_gradients(loss_val, var_list=var_list)

142. if FLAGS.debug:

143. # print(len(var_list))

144. for grad, var in grads:

145. utils.add_gradient_summary(grad, var)

146. return optimizer.apply_gradients(grads)

147.  
148.  

149. def main(argv=None):

150. keep_probability = tf.placeholder(tf.float32, name="keep_probabilty")

151. image = tf.placeholder(tf.float32, shape=[None, IMAGE_HEIGHT, IMAGE_WIDTH, 6], name="input_image")

152. annotation = tf.placeholder(tf.int32, shape=[None, IMAGE_HEIGHT, IMAGE_WIDTH, 1], name="annotation")

153.  

154. pred_annotation, logits = inference(image, keep_probability)

155. #tf.image_summary("input_image", image, max_images=2)

156. #tf.image_summary("ground_truth", tf.cast(annotation, tf.uint8), max_images=2)

157. #tf.image_summary("pred_annotation", tf.cast(pred_annotation, tf.uint8), max_images=2)

158. loss = tf.reduce_mean((tf.nn.sparse_softmax_cross_entropy_with_logits(logits,

159. tf.squeeze(annotation, squeeze_dims=[3]),

160. name="entropy")))

161. #tf.scalar_summary("entropy", loss)

162.  

163. trainable_var = tf.trainable_variables()

164. train_op = train(loss, trainable_var)

165.  

166. #print("Setting up summary op...")

167. #summary_op = tf.merge_all_summaries()

168.  

169. '''

170. print("Setting up image reader...")

171. train_records, valid_records = scene_parsing.read_dataset(FLAGS.data_dir)

172. print(len(train_records))

173. print(len(valid_records))

174.  

175. print("Setting up dataset reader")

176. image_options = {'resize': True, 'resize_size': IMAGE_SIZE}

177. if FLAGS.mode == 'train':

178. train_dataset_reader = dataset.BatchDatset(train_records, image_options)

179. validation_dataset_reader = dataset.BatchDatset(valid_records, image_options)

180. '''

181. train_dataset_reader = BatchDatset('data/trainlist.mat')

182.  

183. sess = tf.Session()

184.  

185. print("Setting up Saver...")

186. saver = tf.train.Saver()

187. #summary_writer = tf.train.SummaryWriter(FLAGS.logs_dir, sess.graph)

188.  

189. sess.run(tf.initialize_all_variables())

190. ckpt = tf.train.get_checkpoint_state(FLAGS.logs_dir)

191. if ckpt and ckpt.model_checkpoint_path:

192. saver.restore(sess, ckpt.model_checkpoint_path)

193. print("Model restored...")

194.  

195. #if FLAGS.mode == "train":

196. itr = 0

197. train_images, train_annotations = train_dataset_reader.next_batch()

198. trloss = 0.0

199. while len(train_annotations) > 0:

200. #train_images, train_annotations = train_dataset_reader.next_batch(FLAGS.batch_size)

201. #print('==> batch data: ', train_images[0][100][100], '===', train_annotations[0][100][100])

202. feed_dict = {image: train_images, annotation: train_annotations, keep_probability: 0.5}

203. _, rloss = sess.run([train_op, loss], feed_dict=feed_dict)

204. trloss += rloss

205.  

206. if itr % 100 == 0:

207. #train_loss, rpred = sess.run([loss, pred_annotation], feed_dict=feed_dict)

208. print("Step: %d, Train_loss:%f" % (itr, trloss / 100))

209. trloss = 0.0

210. #summary_writer.add_summary(summary_str, itr)

211.  

212. #if itr % 10000 == 0 and itr > 0:

213. '''

214. valid_images, valid_annotations = validation_dataset_reader.next_batch(FLAGS.batch_size)

215. valid_loss = sess.run(loss, feed_dict={image: valid_images, annotation: valid_annotations,

216. keep_probability: 1.0})

217. print("%s ---> Validation_loss: %g" % (datetime.datetime.now(), valid_loss))'''

218. itr += 1

219.  

220. train_images, train_annotations = train_dataset_reader.next_batch()

221. saver.save(sess, FLAGS.logs_dir + "plus_model.ckpt", itr)

222.  

223. '''elif FLAGS.mode == "visualize":

224. valid_images, valid_annotations = validation_dataset_reader.get_random_batch(FLAGS.batch_size)

225. pred = sess.run(pred_annotation, feed_dict={image: valid_images, annotation: valid_annotations,

226. keep_probability: 1.0})

227. valid_annotations = np.squeeze(valid_annotations, axis=3)

228. pred = np.squeeze(pred, axis=3)

229.  

230. for itr in range(FLAGS.batch_size):

231. utils.save_image(valid_images[itr].astype(np.uint8), FLAGS.logs_dir, name="inp_" + str(5+itr))

232. utils.save_image(valid_annotations[itr].astype(np.uint8), FLAGS.logs_dir, name="gt_" + str(5+itr))

233. utils.save_image(pred[itr].astype(np.uint8), FLAGS.logs_dir, name="pred_" + str(5+itr))

234. print("Saved image: %d" % itr)'''

235.  

236. def pred():

237. keep_probability = tf.placeholder(tf.float32, name="keep_probabilty")

238. image = tf.placeholder(tf.float32, shape=[None, IMAGE_HEIGHT, IMAGE_WIDTH, 6], name="input_image")

239. annotation = tf.placeholder(tf.int32, shape=[None, IMAGE_HEIGHT, IMAGE_WIDTH, 1], name="annotation")

240.  

241. pred_annotation, logits = inference(image, keep_probability)

242. sft = tf.nn.softmax(logits)

243. test_dataset_reader = TestDataset('data/testlist.mat')

244. with tf.Session() as sess:

245. sess.run(tf.global_variables_initializer())

246. ckpt = tf.train.get_checkpoint_state(FLAGS.logs_dir)

247. saver = tf.train.Saver()

248. if ckpt and ckpt.model_checkpoint_path:

249. saver.restore(sess, ckpt.model_checkpoint_path)

250. print("Model restored...")

251. itr = 0

252. test_images, test_annotations, test_orgs = test_dataset_reader.next_batch()

253. #print('getting', test_annotations[0, 200:210, 200:210])

254. while len(test_annotations) > 0:

255. if itr < 22:

256. test_images, test_annotations, test_orgs = test_dataset_reader.next_batch()

257. itr += 1

258. continue

259. elif itr > 22:

260. break

261. feed_dict = {image: test_images, annotation: test_annotations, keep_probability: 0.5}

262. rsft, pred_ann = sess.run([sft, pred_annotation], feed_dict=feed_dict)

263. print(rsft.shape)

264. _, h, w, _ = rsft.shape

265. preds = np.zeros((h, w, 1), dtype=np.float)

266. for i in range(h):

267. for j in range(w):

268. if rsft[0][i][j][0] < 0.1:

269. preds[i][j][0] = 1.0

270. elif rsft[0][i][j][0] < 0.9:

271. preds[i][j][0] = 0.5

272. else:

273. preds[i][j] = 0.0

274. org0_im = Image.fromarray(np.uint8(test_orgs[0]))

275. org0_im.save('res/org' + str(itr) + '.jpg')

276. save_alpha_img(test_orgs[0], test_annotations[0], 'res/ann' + str(itr))

277. save_alpha_img(test_orgs[0], preds, 'res/trimap' + str(itr))

278. save_alpha_img(test_orgs[0], pred_ann[0], 'res/pre' + str(itr))

279. test_images, test_annotations, test_orgs = test_dataset_reader.next_batch()

280. itr += 1

281.  

282. def save_alpha_img(org, mat, name):

283. w, h = mat.shape[0], mat.shape[1]

284. #print(mat[200:210, 200:210])

285. rmat = np.reshape(mat, (w, h))

286. amat = np.zeros((w, h, 4), dtype=np.int)

287. amat[:, :, 3] = np.round(rmat * 1000)

288. amat[:, :, 0:3] = org

289. #print(amat[200:205, 200:205])

290. #im = Image.fromarray(np.uint8(amat))

291. #im.save(name + '.png')

292. misc.imsave(name + '.png', amat)

293.  

294. if __name__ == "__main__":

295. #tf.app.run()

296. pred()

 

到这里FCN+做人像分割已经讲完，当然本文的目的不单单是分割，还有分割之后的应用；

我们将训练数据扩充到人体分割，那么我们就是对人体做美颜特效处理，同时对背景做其他的特效处理，这样整张画面就会变得更加有趣，更加提高颜值了，这里我们对人体前景做美颜调色处理，对背景做了以下特效：

①景深模糊效果，用来模拟双摄聚焦效果；

②马赛克效果

③缩放模糊效果

④运动模糊效果

⑤油画效果

⑥线条漫画效果

⑦Glow梦幻效果

⑧铅笔画场景效果

⑨扩散效果

效果举例如下：

原图

人体分割MASK

景深模糊效果

马赛克效果

扩散效果

缩放模糊效果

运动模糊效果

油画效果

线条漫画效果

GLOW梦幻效果

铅笔画效果

最后给出DEMO链接：点击打开链接