最强开源背景去除模型​RMBG v1.4

BRIA Background Removal v1.4

RMBG v1.4是briaai公司最先进的背景去除模型,它可以将一系列类别和图像类型中有效地将前景与背景切分。RMBG v1.4是在精心挑选的数据集(库存图像、电子商务、游戏和广告内容)上进行了训练,使其非常适合为大规模企业内容创建提供动力的商业用例。准确性、效率和多功能性目前可以与领先的源可用模型相媲美。在内容安全、合法许可的数据集和偏见缓解至关重要的地方,这是理想的。目前RMBG v1.4可作为非商业用途的源可用模型。

模型说明

  • 开发者: BRIA AI

  • 模型类型: 背景去除

  • 许可证: bria-rmbg-1.4

    • 该模型根据知识共享许可发布,用于非商业用途。
    • 商业用途须遵守与 BRIA 的商业协议。联系我们获取更多信息。
  • 模型描述: BRIA MBG 1.4 是专门在专业级数据集上训练的显着性分割模型。

训练图像分布

CategoryDistribution
仅对象45.11%
有物体/动物的人25.24%
仅限人17.35%
带有文字的人/物体/动物8.52%
纯文本2.52%
仅限动物1.89%
CategoryDistribution
逼真87.70%
非真实感12.30%
CategoryDistribution
非纯色背景52.05%
纯色背景47.95%
CategoryDistribution
单个主要前景对象51.42%
前景中有多个对象48.58%

效果对比

官方效果

examples

实测效果

通过魔哈仓库下载

下载安装

git clone https://moha.xiaoshiai.cn/briaai/models/RMBG-1.4.git
cd RMBG-1.4/
pip install -r requirements.txt

也可以注册魔哈账号, 使用魔哈专属CDN加速从HuggingFace上下载模型

运行

from skimage import io
import torch, os
from PIL import Image
from briarmbg import BriaRMBG
from utilities import preprocess_image, postprocess_image

im_path = f"{os.path.dirname(os.path.abspath(__file__))}/example_input.jpg"

net = BriaRMBG()
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
net = BriaRMBG.from_pretrained("briaai/RMBG-1.4")
net.to(device)

# prepare input
model_input_size = [1024,1024]
orig_im = io.imread(im_path)
orig_im_size = orig_im.shape[0:2]
image = preprocess_image(orig_im, model_input_size).to(device)

# inference 
result=net(image)

# post process
result_image = postprocess_image(result[0][0], orig_im_size)

# save result
pil_im = Image.fromarray(result_image)
no_bg_image = Image.new("RGBA", pil_im.size, (0,0,0,0))
orig_image = Image.open(im_path)
no_bg_image.paste(orig_image, mask=pil_im)
no_bg_image.save("example_image_no_bg.png")

晓石AI

关注"晓石AI" 了解我们更多产品

  • 12
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是使用Python代码实现去除背景的方法: 1.使用第三方库removebg,需要先安装removebg库: ```shell pip install removebg ``` 然后使用以下代码即可去除背景: ```python from removebg import RemoveBg rmbg = RemoveBg("你的API密钥", "error.log") # 输入你的API密钥 rmbg.remove_background_from_img_file("input.jpg") # 输入你要去除背景的图片路径 ``` 2.使用OpenCV库,需要先安装OpenCV库: ```shell pip install opencv-python ``` 然后使用以下代码即可去除背景: ```python import cv2 import numpy as np # 读取图片 img = cv2.imread('input.jpg') # 转换为灰度图 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 使用阈值分割 ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU) # 去除噪声 kernel = np.ones((3,3), np.uint8) opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=2) # 找到背景区域 sure_bg = cv2.dilate(opening, kernel, iterations=3) # 找到前景区域 dist_transform = cv2.distanceTransform(opening, cv2.DIST_L2, 5) ret, sure_fg = cv2.threshold(dist_transform, 0.7*dist_transform.max(), 255, 0) # 找到未知区域 sure_fg = np.uint8(sure_fg) unknown = cv2.subtract(sure_bg, sure_fg) # 标记连通区域 ret, markers = cv2.connectedComponents(sure_fg) # 添加背景标记 markers = markers + 1 # 将未知区域标记为0 markers[unknown==255] = 0 # 分水岭算法分割图像 markers = cv2.watershed(img, markers) img[markers==-1] = [255,0,0] # 保存结果 cv2.imwrite('output.jpg', img) ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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