Python實現(xiàn)一鍵摳圖功能的全過程

本篇內(nèi)容主要講解“Python實現(xiàn)一鍵摳圖功能的全過程”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“Python實現(xiàn)一鍵摳圖功能的全過程”吧!

簡介

使用百度深度學習框架paddlepaddle對人像圖片進行自動化摳圖

安裝

根據(jù)PaddlePaddle官網(wǎng)命令安裝

如

pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple
pip install paddlehub -i https://mirror.baidu.com/pypi/simple

初試

1.jpg

2.jpg

3.jpg

4.jpg

5.jpg

import paddlehub as hub
from pathlib import Path

paths = [str(i) for i in Path('.').glob('*.jpg')]  # 當前路徑下所有.jpg文件
human_seg = hub.Module(name='deeplabv3p_xception65_humanseg')
results = human_seg.segmentation(paths=paths, visualization=True, output_dir='output')
# results = human_seg.segmentation(paths=paths, use_gpu=True, visualization=True, output_dir='output')  # 使用GPU
print(results)

代碼會自動下載圖像分割模型deeplabv3p_xception65_humanseg到C:\Users\Administrator\.paddlehub\modules

效果

文件名	原圖	效果
1.jpg
2.jpg
3.jpg
4.jpg
5.jpg

詳解

人像分割API

def segmentation(images=None,
                 paths=None,
                 batch_size=1,
                 use_gpu=False,
                 visualization=False,
                 output_dir='humanseg_output')

參數(shù)

• images(list[numpy.ndarray])：圖片數(shù)據(jù)，BGR格式

• paths(list[str])：圖片路徑

• batch_size(int)：批量處理數(shù)量

• use_gpu(bool)：是否使用 GPU

• visualization(bool)：是否將識別結(jié)果保存為圖片

• output_dir(str)：圖片保存路徑
  

遇到的坑

1. 報錯RuntimeError: Environment Variable CUDA_VISIBLE_DEVICES is not set correctly. If you wanna use gpu, please set CUDA_VISIBLE_DEVICES as cuda_device_id.

import os

os.environ['CUDA_VISIBLE_DEVICES'] = '0'

或

set CUDA_VISIBLE_DEVICES=0

到此，相信大家對“Python實現(xiàn)一鍵摳圖功能的全過程”有了更深的了解，不妨來實際操作一番吧！這里是億速云網(wǎng)站，更多相關內(nèi)容可以進入相關頻道進行查詢，關注我們，繼續(xù)學習！