pixel2style2pixel

pixel2style2pixel

模型名称	pixel2style2pixel
类别	图像 - 图像生成
网络	Pixel2Style2Pixel
数据集	-
是否支持Fine-tuning	否
模型大小	1.7GB
最新更新日期	2021-12-14
数据指标	-

一、模型基本信息

• 应用效果展示

  • 样例结果示例：

    
    输入图像
    
    输出图像
    

• 模型介绍

  • Pixel2Style2Pixel使用相当大的模型对图像进行编码，将图像编码到StyleGAN V2的风格向量空间中，使编码前的图像和解码后的图像具有强关联性。该模块应用于人脸转正任务。

二、安装

• 1、环境依赖

  • paddlepaddle >= 2.1.0
  • paddlehub >= 2.1.0 | 如何安装PaddleHub

• 2、安装

  • $ hub install pixel2style2pixel

  • 如您安装时遇到问题，可参考：零基础windows安装 | 零基础Linux安装 | 零基础MacOS安装

三、模型API预测

• 1、命令行预测

  • # Read from a file
    $ hub run pixel2style2pixel --input_path "/PATH/TO/IMAGE"

  • 通过命令行方式实现人脸转正模型的调用，更多请见 PaddleHub命令行指令

• 2、预测代码示例

  • import paddlehub as hub
    
    module = hub.Module(name="pixel2style2pixel")
    input_path = ["/PATH/TO/IMAGE"]
    # Read from a file
    module.style_transfer(paths=input_path, output_dir='./transfer_result/', use_gpu=True)  

• 3、API

  • style_transfer(images=None, paths=None, output_dir='./transfer_result/', use_gpu=False, visualization=True):

    • 人脸转正生成API。

    • 参数

      • images (list[numpy.ndarray]): 图片数据，ndarray.shape 为 [H, W, C]；
        
      • paths (list[str]): 图片的路径；
        
      • output_dir (str): 结果保存的路径；
        
      • use_gpu (bool): 是否使用 GPU；
        
      • visualization(bool): 是否保存结果到本地文件夹

四、服务部署

• PaddleHub Serving可以部署一个在线人脸转正服务。

• 第一步：启动PaddleHub Serving

  • 运行启动命令：

  • $ hub serving start -m pixel2style2pixel

  • 这样就完成了一个人脸转正的在线服务API的部署，默认端口号为8866。

  • NOTE: 如使用GPU预测，则需要在启动服务之前，请设置CUDA_VISIBLE_DEVICES环境变量，否则不用设置。

• 第二步：发送预测请求

  • 配置好服务端，以下数行代码即可实现发送预测请求，获取预测结果

  • import requests
    import json
    import cv2
    import base64
    
    
    def cv2_to_base64(image):
      data = cv2.imencode('.jpg', image)[1]
      return base64.b64encode(data.tostring()).decode('utf8')
    
    # 发送HTTP请求
    data = {'images':[cv2_to_base64(cv2.imread("/PATH/TO/IMAGE"))]}
    headers = {"Content-type": "application/json"}
    url = "http://127.0.0.1:8866/predict/pixel2style2pixel"
    r = requests.post(url=url, headers=headers, data=json.dumps(data))
    
    # 打印预测结果
    print(r.json()["results"])

五、更新历史

• 1.0.0

  初始发布

  • $ hub install pixel2style2pixel==1.0.0