Python中Barbershop如何实现照片换发型功能

这篇文章主要介绍python中Barbershop如何实现照片换发型功能，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

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environment/environment.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environment/environment.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PyTorch

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

scikit-image

IPython

OpenCV-python

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Microsoft Visual Studio，我选择的版本是2019版本。

提供一下下载地址：下载 Visual Studio 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Google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pretrained_models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align_face.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unprocessed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unprocessed目录内的照片。命令如下：

python align_face.py

(Barbershop) C:\Users\yi\PyCharmProjects\Barbershop>python align_face.pyDownloading Shape Predictor126.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_path2 126.png --im_path3 94.png --im_path4 94.png --sign realistic --smooth 5

看下执行结果

(Barbershop) C:\Users\yi\PycharmProjects\Barbershop>python main.py --im_path2 126.png --im_path3 94.png --im_path4 94.png --sign realistic --smooth 5Loading StyleGAN2 from checkpoint: pretrained_models/ffhq.ptSetting up Perceptual loss...Loading model from: C:\Users\yi\PycharmProjects\Barbershop\losses\lpips\weights\v0.1\vgg.pth...[net-lin [vgg]] initialized...DoneNumber of images: 2Images: 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [10:39<00:00, 319.74s/it]Number of images: 2Images: 100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [02:08<00:00, 64.04s/it]Loading StyleGAN2 from checkpoint: pretrained_models/ffhq.ptC:\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 the 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_corners=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.ptSetting up Perceptual loss...Loading model from: C:\Users\yi\PycharmProjects\Barbershop\losses\masked_lpips\weights\v0.1\vgg.pth...[net-lin [vgg]] initialized...DoneSetting 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。

以上是“Python中Barbershop如何实现照片换发型功能”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注编程网Python频道！