README_CN.md

DeepMosaics

这是一个通过深度学习自动的为图片/视频添加马赛克,或消除马赛克的项目.
它基于“语义分割”以及“图像翻译”.

更多例子

原始	自动打码	自动去码

• 与 DeepCreamPy相比较

马赛克图片	DeepCreamPy	ours

一些说明

代码暂不包含训练部分,训练方法我将在空闲时间给出.
现在,代码已经支持基于pix2pixHD训练出的模型,但网络仍在训练中,这将使得输出结果看起来更加清晰,"真实".

如何运行

可以通过我们预编译好的二进制包或源代码运行.

预编译的程序包

对于Windows用户,我们提供了包含GUI界面的免安装软件包.
可以通过下面两种方式进行下载: [Google Drive] [百度云,提取码1x0a]

注意事项:

• 程序的运行要求在64位Windows操作系统,我仅在Windows10运行过,其他版本暂未经过测试
  
• 请根据需求选择合适的预训练模型进行测试
  
• 运行时间取决于电脑性能,对于视频文件,我们建议可以先使用截图进行测试.
  
• 如果输出的视频无法播放,这边建议您尝试potplayer.
  
• 相比于源码,该版本的更新将会延后.

通过源代码运行

前提要求

• Linux, Mac OS, Windows
• Python 3.6+
• ffmpeg 3.4
• Pytorch 1.0+ (Old version codes)
• CPU or NVIDIA GPU + CUDA CuDNN
  

Python依赖项

代码依赖于opencv-python以及 torchvision,可有通过pip install 进行安装.

克隆源代码

git clone https://github.com/HypoX64/DeepMosaics
cd DeepMosaics

下载测试视频以及预训练模型

可以通过以下两种方法下载测试视频以及预训练模型,并将他们置于项目文件夹中.
[Google Drive] [百度云,提取码7thu]

简单的例子

• 为视频添加马赛克,例子中认为手是需要打码的区域 ,可以通过切换预训练模型切换自动打码区域(输出结果将储存到 './result')

python3 deepmosaic.py

• 将视频中的马赛克移除,对于不同的打码物体需要使用对应的预训练模型进行马赛克消除(输出结果将储存到 './result')

python3 deepmosaic.py --mode clean --model_path ./pretrained_models/clean_hands_unet_128.pth --media_path ./result/hands_test_AddMosaic.mp4

更多的参数

如果想要测试其他的图片或视频,请参照以下文件输入参数. [options.py]

鸣谢

代码大量的参考了以下项目:[pytorch-CycleGAN-and-pix2pix] [Pytorch-UNet][pix2pixHD]..