首页 百科正文

python人工智能代码(python人工智能小项目)

woniu 百科 2021-09-18 16:30:02 4268 0 ar人工智能智能
魔幻换天视频:

python 代码实现魔幻换天特效

python人工智能代码(python人工智能小项目)

特效前后对比图

python实现魔幻换天特效,特效前,特效后对比视频

python人工智能代码(python人工智能小项目)

视频前后特效对比图

前几期的视频,我们分享了python代码实现的魔幻换天的视频特效,如何使用python代码实现?本期文章我们简单介绍一下工作原理。

python人工智能代码(python人工智能小项目)

视频特效对比前后

首先,需要到如下链接下载整个项目的源码:

github.com/jiupinjia/Skyar

下载完成后,解压后的文件目录如下:

python人工智能代码(python人工智能小项目)

源代码目录文件

然后到如下地址下载预训练模型:

drive.google.com/file/d/1COMROzwR4R_7mym6DL9LXhHQlJmJaV0J/view?usp=sharing模型名称:checkpoints_G_coord_resnet50.zip

下载完成后,解压到skyAR的当前目录中,项目中多一个文件夹checkpoints_G_coord_resnet50,目录如下:

python人工智能代码(python人工智能小项目)

需要加载预训练模型

然后,需要安装requirement里面要求的第三方工具包:

如下第三方包是项目需要的包,需要安装到自己的电脑里面,否则代码无法运行matplotlibscikit-imagescikit-learnscipynumpytorchtorchvisionopencv-pythonopencv-contrib-pythonpython人工智能代码(python人工智能小项目)

特效前后对比图

待以上准备工作完成后,便可以简单修改一下源码进行运行代码,这里需要要求你已经安装好了cuda版本的pytorch或者CPU版本的pytorch,若电脑里面没有GPU可以使用,可以直接使用CPU进行代码的运行,代码修改如下:

首先打开skymagic.py文件,更改前代码如下:

import numpy as npimport matplotlib.pyplot as pltimport cv2import osimport globimport argparsefrom networks import *from skyboxengine import *import utilsimport torchdevice = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")parser = argparse.ArgumentParser(description='SKYAR')parser.add_argument('--path', type=str, default='./config/config-canyon-jupiter.json', metavar='str',help='configurations')python人工智能代码(python人工智能小项目)

代码截图

更改后代码如下:我们注销了2,12,16-18行的代码,并修改13行代码为device = torch.device( "cpu"),这里修改的意思是使用CPU运行代码,若你电脑上面已经安装好了cuda,可以忽略此处的修改

import numpy as npimport matplotlib.pyplot as pltimport cv2import osimport glob#import argparsefrom networks import *from skyboxengine import *import utilsimport torchdevice = torch.device( "cpu")#parser = argparse.ArgumentParser(description='SKYAR')#parser.add_argument('--path', type=str, default='./config/config-canyon-jupiter.json', metavar='str',# help='configurations')python人工智能代码(python人工智能小项目)

代码截图

修改完成后,需要修改一下main 函数里面的代码

修改前代码的第188行使用parser来进行配置文件的读取

if __name__ == '__main__': config_path = parser.parse_args().path args = utils.parse_config(config_path) sf = SkyFilter(args) sf.run()python人工智能代码(python人工智能小项目)

代码截图

修改后,我们可以直接配置config配置文件下的配置文件

if __name__ == '__main__': config_path = 'config/config-canyon-sunset.json' args = utils.parse_config(config_path) sf = SkyFilter(args) sf.run()python人工智能代码(python人工智能小项目)

代码截图

配置文件如下:{"net_G": "coord_resnet50","ckptdir": "./checkpoints_G_coord_resnet50","input_mode": "video","datadir": "./test_videos/canyon.mp4","skybox": "rainy.jpg","in_size_w": 384,"in_size_h": 384,"out_size_w": 845,"out_size_h": 480,"skybox_cernter_crop": 0.5,"auto_light_matching": false,"relighting_factor": 0.6,"recoloring_factor": 0.5,"halo_effect": true,"output_dir": "./eval_output","save_jpgs": false}

"ckptdir": "./checkpoints_G_coord_resnet50这里是预训练好的模型

"input_mode": "video",这里是输入的格式,当然也可以输入一张照片,照片设置为seq

"datadir": "./test_videos/canyon.mp4",这里是需要处理的视频地址

"skybox": "rainy.jpg",这里是添加特效的图片或者视频

python人工智能代码(python人工智能小项目)

代码截图

其他参数可以默认设置

最后,直接在本目录文件夹下cmd对话框中输入:

python skymagic.py

便可以看到模型实时渲染的特效视频,代码运行完成,会在当前目录生成合成后的视频

python人工智能代码(python人工智能小项目)

视频特效对比

当然,你也可以使用自己的数据,进行模型的训练,模型的训练使用train.py代码,详细步骤可以参考文章中的链接进行学习,本文只是简单介绍一下代码的基本使用,其中涉及的pytorch人工智能神经网络的搭建,模型的训练等知识,也可以参考往期关于pytorch等方面的知识,后期我们也会分享此方面的知识,关于pytorch不同版本的安装说明,pytorch官网有详细的介绍可以参考

python人工智能代码(python人工智能小项目)

特效视频截图

最后展示几张特效后的照片,有关视频可以查看文章开头的2个视频链接,进行视频的观看

python人工智能代码(python人工智能小项目)

视频特效

python人工智能代码(python人工智能小项目)

视频特效

版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。

本文链接:https://www.chinaai.com/baike/12779.html

发表评论

评论列表(0人评论 , 4268人围观)
☹还没有评论,来说两句吧...