paddlehub 使用體驗-視頻摳圖_乘風破浪的姐姐_人美路子野

PaddleHub就是為了解決對深度學習模型的需求而開發的工具。 基于飛槳領先的核心框架， 精選效果優秀的算法， 提供了百億級大數據訓練的預訓練模型， 方便用戶不用花費大量精力從頭開始訓練一個模型。
PaddleHub的github地址： https://github.com/PaddlePaddle/PaddleHub

首先介紹paddlehub的主要優勢:

• 模型一鍵下載、 管理、 預測
• 遷移學習
  Fine-tune API： 十行代碼完成遷移學習
  AutoDL Finetuner： 一鍵自動超參搜索
• 端到端部署
  Hub Serving： 一鍵模型服務化部署

接下來實踐部分:

實踐介紹：主要對乘風破浪的姐姐中人美路子野mv進行人像摳圖，然后更換背景后，合并成新的一個視頻。采用該mv是因為該視頻中人物鮮明，為順序出場安排，更加方便的查看模型摳圖后的效果。

點擊查看： 素材視頻傳送門

1.[ 模型即軟件 ] 是paddlehub的使用原則，因此，使用paddlehub中的模型，重點應偏向于應用，拿來就用就OK了。

• PaddleHub的官網： https://www.paddlepaddle.org.cn/hub
• PaddleHub的課程地址： https://aistudio.baidu.com/aistudio/course/introduce/1070
• PaddleHub的官方教程地址： https://aistudio.baidu.com/aistudio/personalcenter/thirdview/79927
• 直接在AiStudio上對paddlehub進行一個安裝。
  

2. 主要流程是：視頻分幀–>進行摳圖–>添加背景圖片–>將每個圖片合并成視頻
首先看下文件目錄結構：

然后加載預訓練模型：加載模型時候是要輸入模型名稱即可，此處使用的模型是 “deeplabv3p_xception65_humanseg”

module = hub.Module(name="deeplabv3p_xception65_humanseg") input_dict = {"image": test_img_path}# 執行并展示結果 results = module.segmentation(data=input_dict) for result in results:print(result)

預測結果（即摳圖的效果）進行展示：

# 預測結果展示 out_img_path = 'humanseg_output/' + os.path.basename(test_img_path[0]).split('.')[0] + '.png' img = mpimg.imread(out_img_path) plt.figure(figsize=(10,10)) plt.imshow(img) plt.axis('off') plt.show()

將扣出的人物圖片與選擇的背景圖片進行融合主要函數：

# 合成函數 def blend_images(fore_image, base_image, output_path):"""將摳出的人物圖像換背景fore_image: 前景圖片，摳出的人物圖片base_image: 背景圖片"""# 讀入圖片base_image = Image.open(base_image).convert('RGB')fore_image = Image.open(fore_image).resize(base_image.size)# 圖片加權合成scope_map = np.array(fore_image)[:,:,-1] / 255scope_map = scope_map[:,:,np.newaxis]scope_map = np.repeat(scope_map, repeats=3, axis=2)res_image = np.multiply(scope_map, np.array(fore_image)[:,:,:3]) + np.multiply((1-scope_map), np.array(base_image))#保存圖片res_image = Image.fromarray(np.uint8(res_image))res_image.save(output_path)return res_image

效果展示：

3. GIF函數處理

def create_gif(gif_name, path, duration=0.3):'''生成gif文件，原始圖片僅支持png格式gif_name ： 字符串，所生成的 gif 文件名，帶 .gif 后綴path : 需要合成為 gif 的圖片所在路徑duration : gif 圖像時間間隔'''frames = []pngFiles = os.listdir(path)image_list = [os.path.join(path, f) for f in pngFiles]for image_name in image_list:frames.append(imageio.imread(image_name))# 保存為 gifimageio.mimsave(gif_name, frames, 'GIF', duration=duration)returndef split_gif(gif_name, output_path, resize=False):'''拆分gif文件，生成png格式，便于生成gif_name ： gif 文件路徑，帶 .gif 后綴path : 拆分圖片所在路徑'''gif_file = Image.open(gif_name)name = gif_name.split('/')[-1].split('.')[0]if not os.path.exists(output_path): # 判斷該文件夾是否存在，如果存在再創建則會報錯os.mkdir(output_path)for i, frame in enumerate(ImageSequence.Iterator(gif_file), 1):if resize:frame = frame.resize((300, 168), Image.ANTIALIAS)frame.save('%s/%s_%d.png' % (output_path, name, i)) # 保存在等目錄的output文件夾下def plot_sequence_images(image_array):''' Display images sequence as an animation in jupyter notebookArgs:image_array(numpy.ndarray): image_array.shape equal to (num_images, height, width, num_channels)'''dpi = 72.0xpixels, ypixels = image_array[0].shape[:2]fig = plt.figure(figsize=(ypixels/dpi, xpixels/dpi), dpi=dpi)im = plt.figimage(image_array[0])def animate(i):im.set_array(image_array[i])return (im,)anim = animation.FuncAnimation(fig, animate, frames=len(image_array), interval=500, repeat_delay=1, repeat=True)display(HTML(anim.to_html5_video()))# 合成GIF create_gif('image/blend_out/blend_res_wushu.gif', './wushu_frame', duration=0.5)imgs = [] for i, fname in enumerate(os.listdir('image/blend_out/wushu/')): img = cv2.imread('image/blend_out/wushu/' + fname)img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) imgs.append(img_rgb) plot_sequence_images(imgs)

效果展示：

4. 將分割后的圖片與背景圖進行合并

# 合成圖片 humanseg_wushu = [filename for filename in os.listdir('./humanseg_output/') if filename.startswith("wushu")] # print(humanseg_wushu)for i, img in enumerate(humanseg_wushu):# print(i)# if i > 50: continue img_path = os.path.join('./wushu_frame/wushu_%d.png' % (i+1))# print(img_path)output_path_img = output_path + 'wushu/%d.png' % i# print(output_path_img)blend_images(img_path, './image/test/12.png', output_path_img)

5. 輸出視頻，成avi格式

# 合并輸出視頻 humanseg_wushu = [filename for filename in os.listdir('image/video/frame_seg/')] for i, img in enumerate(humanseg_wushu):if i <= 145 or (i >= 250 and i <= 427) or (i >= 552 and i <= 601) or (i >= 729 and i <= 761):img_path = os.path.join('image/video/frame_seg/%d.png' % (i+1))output_path_img = output_path + 'video/%d.png' % iimg = blend_images(img_path, 'image/test/bg2.jpg', output_path_img)if (i >= 146 and i <= 249) or (i >= 428 and i<= 551) or (i >= 602 and i<= 728):img_path = os.path.join('image/video/frame_seg/%d.png' % (i+1))output_path_img = output_path + 'video/%d.png' % iimg = blend_images(img_path, 'image/test/bg3.jpg', output_path_img)

效果展示：

后期處理：
為視頻添加音頻文件。
點擊查看： 處理后的完整視頻傳送門 因音頻是后期加上去的，所以未免會出現口型對不上的情況。

總結：
1、paddlehub為想要直接使用框架處理具體問題的用戶提供了便捷。
2、paddlehub也可以快速驗證一些你的想法。
3、有時間可以通過閱讀paddlehub在github上面的源碼來獲得對模型以及訓練過程更加深刻的認識。

最后： 圖文并茂的使用指南

總結

以上是生活随笔為你收集整理的paddlehub 使用体验-视频抠图_乘风破浪的姐姐_人美路子野 2020-08-13的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。