GitHub |
您所在的位置：网站首页 › yolo图像分割抠图 › GitHub |
|
commodity-etoucher
English|简体中文
commodity-etoucher是一个AI抠图器，实现自动抠图，前景背景融合，还支持自定义风格生成。还支持在线和离线部署方式
本项目源于19年阿里巴巴1688图像算法大赛。演示视频地址请到我的博客查看 功能 生成商品白底图 添加商品前景图 添加商品背景图 生成风格图 本地客户端 网页客户端 更新 使用Skip FCN，将VGG19最后5层feature map作为FCN输入，提高模型精度； YOLO3对商品图像定位，提升商品图占比; 使用风格迁移，给图片赋予艺术特色，优化图片边缘； 自研算法寻找图像的边缘和方向，加入alpha通道梯段透明化优化图像边缘，详细了解； 使用腐蚀膨胀优化图片； 使用中值滤波过滤图片噪音； 增加背景图替换功能； 增加前景图替换功能 增加本地客户端UI； 将功能部分移植到WEB服务器供线上使用。 注意事项 需要自己下载对应的特征提取模型权重值 快速上手 环境安装注意pytorch要单独先安装torch >= 1.7.0 pip install -r requirements.txt 文件下载 FCN数据集下载，解压到根目录data文件夹下 YOLO数据集下载，解压到yolov3_master/data目录下训练 在yolov3_master目录下执行，训练YOLO定位模型 python train.py 在根目录下执行，训练FCN语义分割模型 python train.py 使用模型 启动本地客户端ui python main.py WEB/img目录下执行启动Django后端服务 python manage.py runserver 技术框架 YOLO模型完成对商品图像定位FCN模型完成对商品图像分割 Gram矩阵实现风格迁移 图像边缘梯度透明化算法 使用22的filter遍历mask寻找图像边缘，一共有16种情况，这里只认为以下8中情况为有效边缘，即上、下、左、右、左上、右上、左下、右下。以下图左上角情况为例：此时22的filter遍历的情况，黄色小球代表当前遍历像素的位置，固定为向右、向下延伸1pix像素，组成的22的区域；上白下黑说明这是上边缘。 在mask图检测到对应边缘后，将原图core（图中小球）对应的区域（33）透明度修改为逐渐透明，其他方向亦是如此。 core透明区域分别为33、55、7*7的边缘图像，透明区域能增强与新背景的融合度。 待办 由于商品图像被遮挡和算法的缺陷。使用GAN对抗神经网络进行修复； 建立数据库对图片存储管理，采用众包思想，将用户抠取的图像用于再训练； 改进算法，提高精度 YOLO3、 FCN增加其他商品定位训练，提高算法的通用性； 将所有模型做成端到端； WEB功能完善 贡献欢迎PRs！如果你想为这个项目做贡献，你可以提交pr或issue，待办中有一些可以扩展的功能。我很高兴看到更多的人参与改进并优化它。 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |