安装使用指南

下载代码库：

首先，需要下载项目的代码库到本地环境。

git clone https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life.git
  • 1.

安装同步批量归一化库：

进入models/networks/目录，并下载同步批量归一化PyTorch库。

cd Bringing-Old-Photos-Back-to-Life/Face_Enhancement/models/networks/
git clone https://github.com/vacancy/Synchronized-BatchNorm-PyTorch.git
cp -rf Synchronized-BatchNorm-PyTorch/sync_batchnorm .
  • 1.
  • 2.
  • 3.

同样操作需要在Global/detection_models/目录下重复。

cd ../../../
cd Global/detection_models/
git clone https://github.com/vacancy/Synchronized-BatchNorm-PyTorch.git
cp -rf Synchronized-BatchNorm-PyTorch/sync_batchnorm .
cd ../../..
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.

下载人脸检测预训练模型：

在Face_Detection/目录下下载人脸检测预训练模型。

cd Face_Detection/
wget http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2
bzip2 -d shape_predictor_68_face_landmarks.dat.bz2
cd ..
  • 1.
  • 2.
  • 3.
  • 4.

下载并解压预训练模型：

在Face_Enhancement/和Global/目录下下载并解压预训练模型。

cd Face_Enhancement/
wget https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life/releases/download/v1.0/face_checkpoints.zip
unzip face_checkpoints.zip
cd ../
cd Global/
wget https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life/releases/download/v1.0/global_checkpoints.zip
unzip global_checkpoints.zip
cd ../
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.

安装依赖：

在项目根目录下安装所需的依赖库。

pip install -r requirements.txt
  • 1.

如何使用：

对于没有划痕的图片：

python run.py --input_folder [测试图片文件夹路径] \
              --output_folder [输出路径] \
              --GPU 0
  • 1.
  • 2.
  • 3.

对于有划痕的图片：

python run.py --input_folder [测试图片文件夹路径] \
              --output_folder [输出路径] \
              --GPU 0 \
              --with_scratch
  • 1.
  • 2.
  • 3.
  • 4.

对于带有划痕的高分辨率图片：

python run.py --input_folder [测试图片文件夹路径] \
              --output_folder [输出路径] \
              --GPU 0 \
              --with_scratch \
              --HR
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.

注意：请将 [测试图片文件夹路径] 和 [输出路径] 替换为你系统中的适当路径。如果你希望使用CPU运行，则可以将GPU选项设置为 -1。