基于百度Paddlepaddle深度学习框架应用于Windows端Pycharm在本地实现视频的人像分割和美颜教程

最新推荐文章于 2024-08-26 19:22:23 发布

aifeng-pro

最新推荐文章于 2024-08-26 19:22:23 发布

阅读量3.5k

点赞数 3

分类专栏： aifeng AI 文章标签：百度深度学习 windows 人工智能 python

aifeng-pro

本文链接：https://blog.csdn.net/woaiaifeng/article/details/121218266

版权

aifeng AI 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

根据本教程实现的效果如下：

原图：
在这里插入图片描述

人像分割+虚拟背景化+人像美艳：
效果图
在这里插入图片描述
原视频截图

人像分割在这里插入图片描述
人像分割加虚拟背景化

以上就是根据本教程能够实现出来的效果，博主将原视频以及result视频中的截图展现出来，方便大家，对预期效果有一定把握,以后会在B站放上【视频教程】

前言

 学习的过程差不就是一个人摸索，辛酸...，稍微记录一下，方便自己回顾，也能帮助后来人进行学习交流、

第一步：Windows下的环境的配置

、、进行人工智能方面的学习开发，第一个面临的问题就是要将它运行时所需要的环境给配置好，为什么，举一个很简单的例子：炒菜需要火，铲子以及锅…

ing…
1 下载Anaconda，解压安装默认路径、
在这里插入图片描述
2 、、建议先创建一个环境,不然环境默认就是在c盘下的.这个路径 c:…/anaconda3/
打开Anaconda Prompt

#首先看一下自己的环境有哪些
conda env list

你们只有第一个

conda create -n It's_the_envs_'name_space_that_you_are_needed_to_change python=3.6
#It's_the_envs_'name_space_that_you_are_needed_to_change  替换成你环境的名字，用英文、

然后回车😁再输入y确定
在这里插入图片描述

在这里插入图片描述
看到这里的话，嫩嫩的小白就已经掉了地一个坑，“下载速度很慢”
因为Anaconda 官方给出的默认下载源就很慢

#用这个命令
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
#接着再：
conda create -n It's_the_envs_'name_space_that_you_are_needed_to_change python=3.6
#It's_the_envs_'name_space_that_you_are_needed_to_change  替换成你环境的名字，用英文、

哈哈哈、
速度是不是飞奔了😬？
*
查看环境后就可以新环境的name
在这里插入图片描述
然后呢
强调！！！！！
先激活环境然后，pip下载各种类型的库

activate My_paddle

在这里插入图片描述

我先贴出来官方提供的安装地址，遇到问题，可以去瞅一眼———“版本答案？！” 点我 😒

#这里我们下载cpu版本的paddle2.1
	conda install paddlepaddle==2.1.3 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/

在这里插入图片描述

#看一下下载在环境中的paddle库
conda list

在这里插入图片描述
And then、

#有了的话，就可以测试一下代码了~
python
import paddle
paddle.utils.run_check()

效果如图

到这里万里长征第一步搞定！🥰
！！！Gpu版本的呢？
、、你要做人工智能嘛，对图片或者说数据的处理数量是庞大的，所以就需要Gpu提供算力，这样才会更高效，不然等啊等，等的头发都秃了😒…
cpu版本和Gpu版本处理相比，就是慢，其他没啥，安装Gpu版本的还得看自己的电脑配置，较麻烦，自行取舍、

请认真读画横线的这句话 在这里插入图片描述
我其实想偷懒了…💩💩💩
来吧，这个视频教程点我~😘

看完了之后，你去装完再回来？
-------------------------------------------------------------------
根据选如果的条件，输入命令
在这里插入图片描述
PS/
小白甲：命令在哪？
小白乙：命令不是在下面吗？
小白丙：下面是图片啊，不是代码，可以粘贴复制的那种，所以，命令在哪？
我…退出直播间
亲，官方文档在上面，可？

经过艰难险阻，小白们都已经来到了激动人心的时刻

#有了的话，就可以测试一下代码了~
python
import paddle
paddle.utils.run_check()

Congratulations!😝😝😝
终于好啦~
环境配置阶段结束【我感觉自己废话很多，我知道，嘿嘿🤪】

第二步：实现视频美颜和人像分割在本地IDE Pycharm上运行

在这里插入图片描述

源项目官方地址：
人像美颜
 人像分割
其实，如果你要是有一点基础的话，看上面的两个链接自己是能看懂的,无非就是一些细节问题…

为了方便，我把他两个项目所用到的东西都移到本地了
如图：
Paddleseg压缩包 jupyter代码
part1
、、对于小白（你需要master的）来说，我先解释一下python和ipython主要区别
1 运行行上整体和分块，python在执行文件时会不间断执行直到报错或执行结束，而后者，可以分块执行，并且上下之间具有一定联系
2 ipython 可以通过“！”调用系统命令，如“！uptime“，网页版cmd的感觉。
3 ipython相较于python，更多了一些其他功能的拓展…操作上更便捷。（个人总结，不喜勿喷😐）

ipython下：
！调用系统命令运行 “bg_replace.py"文件

！调用系统命令pip安装脚本文件
对于python而言：

#如果是python就会很麻烦：
#！python bg_replace.py
str='python F:\...\PaddleSeg\contrib\HumanSeg\\bg_replace.py'#  //python命令 + B.py
p=os.system(str)  #python 能看懂吧？

对于解压gz安装包，python下：
在这里插入图片描述

以上part1，简单解释了一下官方的两条ipython代码,举出了python对应的代码，大家能直观地了解到它们区别。

part2 paddlehub人像美颜部署
人像美颜比较简单，打开本地Anaconda prompt

activate My_paddle
pip install paddlehub

复制下源代码的路径
在这里插入图片描述

Anaconda prompt 不要关掉，不然jupyter不能正常运行
打开paddle美颜.ipynb

打开后这个样子，和百度上的那个jupyter nobook 运行环境是一样的，这是在本地上运行的jupyter notebook

然后打开IDE Pycharm

创建一个工程文件并添加python解释器
在这里插入图片描述

读红色的字
在这里插入图片描述
完成之后环境的添加就好了，然后是代码部分
1 main.py文件的代码清掉
2然后把最初打开的paddle美颜.ipynb 的代码都复制到main.py里

放进去一张人像图重命名为 test_sample.jpg
目录结构
右键运行、

运行过程中会出现很多张图片的显现结果，切换到英文状态下的输入法，按Q退出，程序会继续运行，直到执行完成；
例：
在这里插入图片描述

**运行结束后，出现和下面图片相同的文件结构，则可以去吃顿好吃的了！**😘😘😘

在这里插入图片描述
至此，关于paddlehub人像美颜模块在windows本地端的pycharm 配置已经完成！

part3 paddleseg人像分割部署

可能你想了，这不是举一反三嘛？还不简单：把jupyter 文件夹下的 paddleseg.ipynb文件的代码也复制到pycharm不就好了？
stupid!😡😡😡
看下图的源码，那么多感叹号，在Pycharm中能运行起来吗？
？？？我讲的第一个part1知识点,有好好阅读吗？

在这里插入图片描述
所以说，这个项目的运行就要根据官方的文件的目录结构，进行对应的更改。

第三步：将两个项目进行整合，实现input——operating——output（未完待续…)

项目说明：

附上：
文档说明
在这里插入图片描述
项目结构

后言（我应该还会补齐这个博客，一个细节一个细节地敲，我疯了🥺）

后面的过程写博客过于繁琐，我不想写文档了…等我出在B站出视频教程吧，后期还有整合到一起，当然了，你如果研究一下官方的代码说的都是啥，你当然就可以自己在本地上整一整，最后整合成一个整体的项目，挺有成就感的、
QQ：2735919386
【b站视频链接】（占个坑，最近填）
参考文档：
https://aistudio.baidu.com/aistudio/projectdetail/2597777
https://aistudio.baidu.com/aistudio/projectdetail/2597778
https://www.paddlepaddle.org.cn/
https://blog.csdn.net/