怎样给照片换发型 机器学习基础环境部署--安装使用记录

目录项目验证总结前言

最近看到一个开源项目（），可以将照片中的发型更换成另一个怎样给照片换发型，很神奇。先给大家看看项目给出的效果图。

先说说我在安装使用该项目的感受，因为作者给的安装说明太少，我边看代码边安装环境花了整整8个小时，顺便还在等安装的过程中，追了10集电视剧《输赢》。

看在我坚持弄了这么长时间，并把踩过的坑，安装这么长时间的份上，我觉着还是给个赞的。

下面开始我的安装使用记录。

先提供一下项目地址：仓库

环境部署

下面进入最坑的部分，首先我们看一下项目给出的安装说明。

其实只有两条，conda导入/.yaml环境，下载II2S图片。就这两句话让我装了一晚上，天知道我经历了啥。坑踩了一边，可以按照我的流程装，应该问题不大。

1、导入/.yaml环境

先创建conda虚拟环境，使用一下命令：

conda env create -f environment/environment.yaml

2、安装

这里有不会的话，可以看我另一篇文章，有详细的搭建方法：机器学习基础环境部署

3、依赖库安装

我就不提我踩了多少坑了，下面我把需要的项目没提供的依赖，总结发在下面。

dlib

Ninja

gdown

-image

-

版本可以选择最新的，因为我用最新的跑起来了。

4、 cl.exe环境变量配置

需要安装一下 ，我选择的版本是2019版本。

提供一下下载地址：下载 Tools

这里需要注意安装的时候需要把C++选上。

按照自己的机器位数，选择路径添加到环境变量路径里。下面是我的路径。

添加环境变量

5、模型下载

项目在运行的时候其实是会自己下载模型的，但是从云盘经常失败，而且该项目要的模型特别多，我放在百度云盘上分享出来，大家可以下我的。

模型文件链接提取码：tuan

首先人脸68特征数据放到项目的cache目录内。其次另外的6个pt文件放到项目的目录内。

6、发型数据下载

按照项目给出的地址从云盘下载到input/face目录内。这边我还是提供百度云盘的分享链接，下不下来可以用我的。

链接提取码：TUAN

7、代码调整

项目.py文件中，不会检查模型是否存在，还是会下载，需要调整一下。如下图：

项目验证

OK，环境如果你按照我上面说的部署成功了，恭喜。下面我来验证一下效果。

先看看我准备的照片。

把照片放到目录下，注意编号需要和input/face内的文件编号不同。

1、预处理照片

首先我们执行命令预处理目录内的照片。命令如下：

python align_face.py

(Barbershop) C:\Users\yi\PycharmProjects\Barbershop>python align_face.py
Downloading Shape Predictor
126.jpg: Number of faces detected: 1

可以看到input/face目录多了一个文件，预处理把原照片的人脸处理出来了。

2、换发型

下面看一下我准备换的发型是哪张。

换个短发。执行命令如下：

python main.py --im_path1 126.png --im_path2 94.png --im_path3 94.png --sign realistic --smooth 5

看下执行结果

(Barbershop) C:\Users\yi\PycharmProjects\Barbershop>python main.py --im_path1 126.png --im_path2 94.png --im_path3 94.png --sign realistic --smooth 5
Loading StyleGAN2 from checkpoint: pretrained_models/ffhq.pt
Setting up Perceptual loss...
Loading model from: C:\Users\yi\PycharmProjects\Barbershop\losses\lpips\weights\v0.1\vgg.pth
...[net-lin [vgg]] initialized
...Done
Number of images: 2
Images: 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [10:39<00:00, 319.74s/it]
Number of images: 2
Images: 100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [02:08<00:00, 64.04s/it]
Loading StyleGAN2 from checkpoint: pretrained_models/ffhq.pt
C:\Users\yi\PycharmProjects\Barbershop\models\Alignment.py:97: UserWarning: where received a uint8 condition tensor. This behavior is deprecated and will be removed in a
 future version of PyTorch. Use a boolean condition instead. (Triggered internally at  ..\aten\src\ATen\native\TensorCompare.cpp:328.)
  new_target_final = torch.where(OB_region, torch.from_numpy(new_target_inpainted), new_target)
Align Step 2:   0%|                                                                                                                             | 0/100 [00:00<?, ?it/s]E
:\ProgramData\Anaconda3\envs\Barbershop\lib\site-packages\torch\nn\functional.py:3680: UserWarning: The default behavior for interpolate/upsample with float scale_factor
 changed in 1.6.0 to align with other frameworks/libraries, and now uses scale_factor directly, instead of relying on the computed output size. If you wish to restore th
e old behavior, please set recompute_scale_factor=True. See the documentation of nn.Upsample for details.
  "The default behavior for interpolate/upsample with float scale_factor changed "
E:\ProgramData\Anaconda3\envs\Barbershop\lib\site-packages\torch\nn\functional.py:3635: UserWarning: Default upsampling behavior when mode=bicubic is changed to align_co
rners=False since 0.4.0. Please specify align_corners=True if the old behavior is desired. See the documentation of nn.Upsample for details.
  "See the documentation of nn.Upsample for details.".format(mode)
Loading StyleGAN2 from checkpoint: pretrained_models/ffhq.pt
Setting up Perceptual loss...
Loading model from: C:\Users\yi\PycharmProjects\Barbershop\losses\masked_lpips\weights\v0.1\vgg.pth
...[net-lin [vgg]] initialized
...Done
Setting up Perceptual loss...
Loading model from: C:\Users\yi\PycharmProjects\Barbershop\losses\masked_lpips\weights\v0.1\vgg.pth
...[net-lin [vgg]] initialized
...Done

等了很长时间，结果出来了。最后的效果图如下

对比一下看看，还是很不错的吧，我这么长的安装时间没有白费。

总结

该项目最终的效果是非常好的，只是安装的过程比较繁琐。而且在我跑最终融合的效果时，我似乎都快闻到显卡的焦味了。花费了很多时间，解决了很多问题，也有了很多收获，成长不外如此。

以上就是 实现照片换发型功能的详细内容，更多关于 照片换发型的资料请关注我们其它相关文章！