Fork me on GitHub

使用DeOldify项目修复老照片

发表于 | 更新于 | 分类于 | | 阅读次数：
本文字数： 4k | 阅读时长 ≈ 4 分钟

背景

DeOldify是由Jason Antic创建的一个开源深度学习模型，用于为灰度图像添加高质量的色彩效果，效果令人赞叹。简而言之，这种深度学习模型的目标是对旧图像和胶片进行着色，还原并赋予新的生命。

第一部分 部署项目

从github上拉取项目（考虑到墙的因素可能需要下载zip包方式）：

1
git clone https://github.com/jantic/DeOldify.git

安装依赖包（过程较为缓慢）：

1
root@deeplearning:/data/DeOldify# pip install -r requirements.txt

第二部分 准备预训练模型

下载预训练模型：

1
root@deeplearning:/data/DeOldify# mkdir models

照片类：

1
wget https://data.deepai.org/deoldify/ColorizeArtistic_gen.pth

视频类：

1
wget https://data.deepai.org/deoldify/ColorizeVideo_gen.pth

注意：以上都是缓慢的过程。

第三部分 实验结果

启动jupyter。

1
root@deeplearning:/data/DeOldify# jupyter notebook --no-browser --port 8888 --ip=192.168.1.3 --allow-root &

打开ImageColorizer.ipynb文件。运行前需要进行提前配置：

  • 图片附件参数配置

    1
    2
    3
    4
    5
    6
    source_url= None
    # 需要修复的老照片地址，如果来自网络使用url地址，如果是本地值为None
    source_path = 'test_images/lihuanyin.jpg'
    # 需要修复的老照片路径
    result_path = 'result_images'
    # 输出结果路径

  • 预训练模型文件配置

    1
    2
    root@deeplearning:/data/DeOldify/models# ls
    ColorizeArtistic_gen.pth

最后我们运行模型，主要测试结果对比如下：

第一张：李焕英。

第二张:1860年上海豫园。

第四部分 总结

效果上看图片还是模糊的，只是涂色。需要对图片进行增强。

参考文献及资料

1、DeOldify项目地址，链接：https://github.com/jantic/DeOldify

0%