github leaf项目怎么用_你已经是一个成熟的AI了，用GitHub项目技术手段实现“穿越”……...-CSDN博客

本文链接：https://blog.csdn.net/weixin_31925745/article/details/112152795

2020年才刚开始，就被各位网友称之为末日之年。“如果能穿越，我想重启2020” 想必是大家本年度最大心愿。

那么穿越是否真的存在？是否有实现穿越的可能呢？爱因斯坦说了，当年的研究狭义相对论，认为只要比光跑得快，那就有可能实现穿越。

不过暂且还只是理论

GitHub上有位大佬为了想要更清晰地看到过去，实现“穿越”，创造了一个给老照片修复的项目：DeOldify，其初衷也是是让记忆不再模糊。
好歹也是穿越：过一过穿越瘾也行。

GitHub地址：

https://github.com/jantic/DeOldify/blob/master/README.md

AI修复下的港星照片

“你我当年”运用主要是CNN、GAN等AI技术，即卷积神经网络和生成式对抗网络”，让人想到美图秀秀的一键磨皮，它们虽然都利用了卷积神经网络，但二者并不一样。

美颜软件中常见的磨皮功能是做减法，将照片去掉细节，做模糊处理。

常用的磨皮算法包括均值模糊、高斯模糊、中值滤波等，它们的去噪效果好，但视觉效果差。

例如踩雷的林徽因

林徽因这么“刚”一先生，却被AI修复成了网红脸。出尘的书卷气没有了，接地气的网红气息扑面而来。你我当年：是做加法，可以自动补充细节，即利用AI算法替代图像中缺失或者损坏的数据。

AI修复的大小S照片在网上引起惊叹

《罗马假日》剧照

图像修复一般用“扩散”的方法来处理，这种方法将局部结构应用到其他部分。

或者用“示例”的方法，每一次构建缺失部分的一个像素点(块)保持和周围像素点的一致性。但是当缺失部分很大时，这些方法会失效，因此就需要运用机器学习。由一个高阶模型提供补充的信息。

例如深度神经网络

深度神经网络使用监督图像分类，在监督图像分类中，每个图像都有一个特定的标签，神经网络通过一连串的基本操作运算来学习图像到标签之间的映射。

通过输入学习大量的数据集(数百万张带有成千个的标签的图像)，神经网络可以实现准确的分类，实施一个判别式预训练的神经网络来指导图像重建。当然场主也找到了个笨办法，人人都可实践。人脸修复的精髓就在于对人脸的把控，其中所用到的主要技术为1、人脸检测2、人脸关键点检测3、人脸对齐这三个预处理操作。

##使用方法：

(来源https://github.com/RiweiChen/FaceTools)
由于是调用在windows下的.exe二进制软件，所以本工具仅限于在Windows下执行。
参照main.py中，指定需要预处理的图像文件夹、检测到的人脸图像的保存文件夹、对齐后的图像人脸文件夹路径等系列参数，调用test()函数即可。使用实例：

(来源：https://github.com/RiweiChen/FaceTools)

if __name__ == "__main__" :
   '''
   @param: 提供的参数：1，图像的文件名位置，2，需要保留的文件位置，3，图像的格式列表
   '''
   ImagePath=r'D:\Test\Val' #原始的图像路径
   savePathDetect=r'D:\Test\Val_detect'#保存中间检测到的图像的路径
   savePathAligned=r'D:\Test\Val_aligned'#对齐后的人脸图像的保存路径
   test(ImagePath,savePathDetect,savePathAligned,tag_recover=True,savesize=[128,128])

其中，Tag_Recovery参数在人脸图像中人脸大小相差比较大的时候使用，如果人脸图像大小大致已经是抠出来的并且大小已经相同，就没有必要在设置这个参数了。Like this ：