人工智能深度学习计算机视觉图像处理视频处理【免费下载链接】DeepMosaicsAutomatically remove the mosaics in images and videos, or add mosaics to them.项目地址https://gitcode.com/gh_mirrors/de/DeepMosaics点击查看免费下载导读本文以 DeepMosaics 项目仓库中 docs/exe_help.md 官方说明文档为主体系统讲解DeepMosaics.exeWindows 图形界面版本的下载安装、界面操作、预训练模型选型与高级参数配置。读完本文你将能够在 Windows 上完成「图片/视频马赛克添加」「马赛克去除」「风格转换」三类任务并能通过--option参数对马赛克尺寸、识别阈值、去码算法等细节进行精确控制同时理解这些参数在 入口脚本 与 参数解析模块 中的底层生效逻辑。一、DeepMosaics.exe 是什么DeepMosaics.exe 是 DeepMosaics 项目编译打包的Windows 图形界面GUI可执行版本基于同一套核心代码见 deepmosaic.py 中的add/clean/style三种模式分发逻辑封装而成让不熟悉命令行与 Python 环境的用户也能直接上手。其核心能力包括添加马赛克Add Mosaic自动识别图片/视频中的人脸等 ROI 区域并打码去除马赛克Clean Mosaic自动定位马赛克区域并借助深度学习模型还原或使用传统图像处理方法风格转换Style Transfer将图片/视频转换为名画风格莫奈、梵高、浮世绘等。需要注意GUI 版本存在以下使用前提官方原文注意事项需要64 位 Windows操作系统Windows 10 为最佳运行环境不同预训练模型适用于不同效果应根据任务选择对应模型运行耗时取决于电脑性能处理视频时建议使用 GPU若输出视频无法播放可尝试使用PotPlayer播放器打开GUI 版本的更新节奏慢于源码版本追求最新功能请直接运行源码。二、环境要求与安装步骤2.1 CPU 版本CPU 版本仅需安装 Microsoft Visual C 运行库vc_redist.x64.exe可在微软官网的 VS 16 release 页面获取安装后即可运行 DeepMosaic.exe。2.2 GPU 版本GPU 版本要求NVIDIA 显卡GTX 1060 及以上并满足以下三点安装 Microsoft Visual C 运行库同上将显卡驱动升级到460 及以上版本NVIDIA 官网 GeForce 驱动下载页获取安装CUDA 11.0注意只能是 11.0 版本从 CUDA Toolkit 归档页面下载。以上所有安装文件程序本体、预训练模型、VC 运行库、驱动、CUDA 等均可从官方提供的 Google Drive 或百度网盘提取码1x0a一次性下载。版本限制提醒按官方文档说明当前 GUI 版本本身不支持 GPU 加速GUI 中标注 4 已注明“当前版本不支持 GPU”需要 GPU 请运行源码版本。源码版本的 GPU 使用由 cores/options.py 中的--gpu_id参数控制其内部会通过os.environ[CUDA_VISIBLE_DEVICES]指定可见 GPU并在torch.cuda.is_available()返回 False 时自动回退到-1CPU。2.3 获取程序与模型运行程序前请下载 DeepMosaics.exe 本体以及所需的预训练模型*.pth文件。模型文件也可在仓库的 pretrained_models 目录下按需放置源码版本默认从./pretrained_models/下加载。三、四步快速上手如何使用官方给出的 GUI 使用流程极为简洁共四步Step 1选择需要处理的图片或视频Step 2选择预训练模型不同模型效果不同详见下一节选型表Step 3点击运行并等待处理完成Step 4到./result目录查看输出结果。在源码层面这四步对应 deepmosaic.py 主函数中对opt.mode的分发add模式加载 BiSeNet ROI 分割网络后调用add.addmosaic_img/addmosaic_videoclean模式加载马赛克定位网络与生成网络后调用clean.cleanmosaic_img/cleanmosaic_video_byframe/cleanmosaic_video_fusionstyle模式加载风格迁移网络后调用style.styletransfer_img/styletransfer_video。GUI 只是把下图所示的操作封装成了可视化界面。四、GUI 界面逐项注释对应上图标注上图出自仓库 imgs/GUI_Instructions.jpg是官方文档对界面的标准注释各标注含义如下标注控件作用1文件选择按钮Step1 右侧...弹出文件对话框选择待处理的图片或视频2模型选择按钮Step2 右侧...弹出文件对话框选择预训练模型文件*.pth3Mode 下拉框选择程序运行模式auto/add/clean/style默认auto会根据模型文件名自动推断模式4GPU 复选框是否使用 GPU 运行深度学习模型当前 GUI 版本不支持 GPU需要 GPU 请运行源码5FPS 输入框限制输出视频的帧率0表示保持原始帧率6More Options 复选框开启更多高级选项对应标注 7 的命令预览区7命令预览区将当前 GUI 配置实时转换为命令行如--mode auto --media_path ... --model_path ... --fps 0 --result_dir ../result便于核对配置8Run! 按钮运行程序9Help 按钮打开帮助文件10Donate 按钮赞助项目11About 按钮查看版本信息12GitHub 图标打开项目 GitHub 页面关于标注 3 的auto模式其推断逻辑实现在 cores/options.py 中根据model_path的文件名判断——文件名含clean或指定了--traditional则切到clean含add切到add含style或edges切到style否则报错提示检查model_path。五、预训练模型选型指南官方将预训练模型分为「马赛克Mosaic」与「风格转换Style Transfer」两大类选错模型会直接影响处理效果务必按需选择。5.1 马赛克类模型模型名用途add_face.pth为图片/视频中的全部人脸添加马赛克clean_face_HD.pth去除图片/视频中全部人脸的马赛克要求内存 8GB对应 HD 生成器add_youknow.pth为图片/视频中的特定内容添加马赛克clean_youknow_resnet_9blocks.pth去除图片/视频中特定内容的马赛克clean_youknow_video.pth去除视频中特定内容的马赛克处理视频马赛克时推荐使用名称带video的模型从源码看模型名中的关键信息会被 cores/options.py 解析以决定网络结构netG为auto且模式为clean时模型名含unet_128选用 UNet-128含resnet_9blocks选用 ResNet-9Blocks含HD且不含video选用 HDpix2pixHD含video则选用视频融合模型models/loadmodel.py 中分别对应pix2pix_G、pix2pixHD_G与video_G。同时ex_mult马赛克区域外扩系数也会自动区分模型名含face时为1.1否则为1.5。5.2 风格转换类模型模型名用途style_apple2orange.pth苹果变橙子style_orange2apple.pth橙子变苹果style_summer2winter.pth夏天变冬天style_winter2summer.pth冬天变夏天style_cezanne.pth转换为保罗·塞尚Paul Cézanne绘画风格style_monet.pth转换为克劳德·莫奈Claude Monet绘画风格style_ukiyoe.pth转换为浮世绘Ukiyoe风格style_vangogh.pth转换为文森特·梵高Van Gogh绘画风格风格转换类模型均基于 ResNet-9Blocks 生成器models/loadmodel.py 的style()函数若模型或预处理中包含edges边缘图输入则生成器输入通道自动改为 1 通道。六、进阶参数详解用--option精确控制效果若默认效果不满足需求可在 GUI 标注 7 的命令预览区或源码命令行中按--option your-parameters的格式追加参数。以下参数均定义于 cores/options.py并附带源码中的默认值与取值范围。6.1 基本参数Base选项说明默认值--gpu_idGPU 设备编号-1表示不使用 GPU0--media_path待处理的图片或视频路径可指向目录批量处理./imgs/ruoruo.jpg--start_time视频处理起点格式HH:MM:SS00:00:00--last_time视频处理时长默认处理整个视频00:00:00--mode运行模式auto/clean/add/styleauto--model_path预训练模型路径./pretrained_models/mosaic/add_face.pth--result_dir输出媒体保存目录./result--temp_dir中间临时文件目录视频处理会拆帧为图片./tmp--tempimage_type临时图片格式png/jpgpng画质更好但更占空间jpg--netG生成网络选择auto/unet_128/unet_256/resnet_9blocks/HD/videoauto--fps输出视频帧率0表示保持原始帧率0--no_preview指定后处理视频时不弹出预览窗口适合服务器场景未指定False说明--media_path支持指向目录。入口脚本 deepmosaic.py 会先os.path.isdir()判断目录则通过util.Traversal()遍历其中全部媒体文件逐个处理。6.2 添加马赛克参数AddMosaic选项说明默认值--mosaic_mod马赛克类型squa_avg/squa_random/squa_avg_circle_edge/rect_avg/randomsqua_avg--mosaic_size马赛克方块尺寸0表示自动计算0--mask_extend马赛克区域向外扩展的像素数10--mask_threshold马赛克区域识别阈值0~255越小越容易被判定为马赛克区域64这些参数在 util/mosaic.py 中有完整实现细节squa_avg对掩码覆盖的每个n×n块取像素均值填充经典马赛克squa_random每个块随机采样块内像素填充squa_avg_circle_edge全图均值块化后再用圆形掩码与原始图像混合形成圆润边缘rect_avg以rect_rat≈1.6的宽高比生成矩形马赛克块random自动随机组合马赛克类型、尺寸与羽化参数模拟真实马赛克分布mosaic_size0时调用get_autosize()根据掩码面积与图像分辨率以 512 为基准按分段函数自动推算块尺寸羽化feather默认自动以块尺寸n作为模糊核将马赛克区域与原图平滑过渡。6.3 去除马赛克参数CleanMosaic选项说明默认值--traditional指定后改用传统图像处理方法去码不加载生成网络未指定False--tr_blur传统方法中高斯模糊核尺寸ksize直接影响最终画质10--tr_down传统方法的下采样倍数同样影响最终画质10--medfilt_num视频中马赛克位置时序平滑的中值滤波窗口大小11另有一些未列入 GUI 文档但源码支持的进阶去码参数选项说明默认值--mosaic_position_model_path用于定位马赛克位置的模型路径auto自动在同目录找mosaic_position.pth--no_feather指定后不做边缘羽化与颜色校正速度更快未指定False--all_mosaic_area指定后查找全部马赛克区域否则只找最大区域未指定False--ex_mult马赛克区域外扩倍率autoface 模型 1.1其余 1.5从 models/runmodel.py 可以看到传统方法traditional_cleaner()的实现先cv2.blur模糊--tr_blur再按--tr_down步长下采样最后INTER_LANCZOS4放大回原尺寸——通过模糊降采样放大来抹平马赛克块状纹理。而深度学习路径则先由 BiSeNet 定位马赛克位置get_mosaic_position裁剪马赛克区域交给生成网络重建再用replace_mosaic做边缘融合。视频去码时cores/clean.py 还会用--medfilt_num对连续帧的马赛克中心坐标做中值滤波抑制抖动。若模型名含video则走cleanmosaic_video_fusion帧融合路线把前后帧的上下文一起送入网络N2、T5、S3 的时空采样结构画面更稳定。6.4 风格转换参数Style Transfer选项说明默认值--output_size输出媒体尺寸0表示保持原始尺寸512注意源码中该参数默认值为0但在 GUI 说明文档中写作512——这是因为 cores/options.py 在test_flag模式下检测到output_size 0且模式为style时会自动将output_size设为512ResNet-9Blocks 风格迁移网络惯用的处理分辨率所以 GUI/测试场景实际等效默认 512。风格转换还支持以下扩展参数源码定义--preprocess加载时的预处理方式可选resize/resize_scale_width/edges/gray可用逗号组合--edges以 Canny 边缘图作为输入生成图片输入通道变为 1--cannyCanny 阈值默认150源码会按该值自动生成上下阈值区间--only_edges直接输出边缘图而不做风格迁移。七、从源码理解整体处理流水线为了让读者更清楚地把握 GUI 背后的执行脉络这里结合仓库源码给出各模式的核心调用链添加马赛克cores/add.py 的addmosaic_img依次执行「BiSeNet 分割 ROI 掩码runmodel.get_ROI_position→util/mosaic.py的addmosaic()打码 → 输出到result_dir下*_add.jpg」视频版则先拆帧、逐帧定位并打码最后用 ffmpeg 以--fps指定的帧率合成为*_add.mp4。去除马赛克cores/clean.py 先由马赛克定位网络mosaic_position.pth逐帧找出马赛克位置与掩码再对每个马赛克区域执行run_pix2pix()重建或traditional_cleaner()传统处理最后replace_mosaic无缝贴回原图输出*_clean.jpg/*_clean.mp4。风格转换cores/style.py 将每帧送入run_styletransfer()含--output_size缩放、Canny 边缘预处理等输出文件名自动带模型名后缀如*_vangogh.jpg/*_monet.mp4。三种模式的视频处理都会在temp_dir中暂存拆帧图片与音频结束后由 deepmosaic.py 调用util.clean_tempfiles()自动清理临时文件处理中途如果程序异常main()外层还会打印 DeepMosaics 版本0.5.1、Python / PyTorch / OpenCV 版本与平台信息方便排查环境问题。八、常见问题速查输出视频无法播放换用 PotPlayer 等播放器尝试视频编码兼容性问题想用 GPU 加速GUI 版本暂不支持 GPU请改用源码版本运行并通过--gpu_id指定显卡GPU 环境需满足驱动 ≥ 460 且安装 CUDA 11.0处理效果不理想优先核对是否选对模型——去码请用clean_*系列、打码请用add_*系列、视频去码优先clean_youknow_video.pth人脸任务注意clean_face_HD.pth需要大于 8GB 内存马赛克识别过松/过紧调整--mask_threshold0~255越小越容易判为马赛克区域与--mask_extend扩展马赛克覆盖范围找不到马赛克位置模型源码要求--mosaic_position_model_path指向的mosaic_position.pth必须与去码模型存放在同一目录否则程序会提示检查该路径并退出。以上全部参数、默认值与调用逻辑均可在仓库的 参数定义文件、入口脚本 及 官方参数说明文档 中进一步核对实操时建议先在单张图片上测试参数组合再批量处理视频以兼顾效果与运行时间。赞分享人工智能深度学习计算机视觉图像处理视频处理【免费下载链接】DeepMosaicsAutomatically remove the mosaics in images and videos, or add mosaics to them.项目地址https://gitcode.com/gh_mirrors/de/DeepMosaics点击查看免费下载相关推荐DeepMosaics深度学习图像处理智能马赛克去除与添加完整指南DeepMosaics深度学习图像处理智能马赛克去除与添加完整指南 DeepMosaics是一款基于深度学习的智能图像处理工具能够自动去除图像和视频中的马赛人工智能深度学习计算机视觉图像处理视频处理DeepMosaics 实战指南图像与视频马赛克的自动添加、去除与风格迁移语义分割 Image-to-Image 双模型架构DeepMosaics 实战指南图像与视频马赛克的自动添加、去除与风格迁移语义分割 Image to Image 双模型架构 导读 本文以 DeepM人工智能深度学习计算机视觉图像处理视频处理Kornia 的 Bayer RAW 图像转换CFA 枚举、去马赛克与 RGB 互转实战指南Kornia 的 Bayer RAW 图像转换CFA 枚举、去马赛克与 RGB 互转实战指南 Bayer RAW 是大多数相机传感器直接输出的原始数据格式——计算机视觉人工智能深度学习图像处理上一篇PromptFill 0.9.2版本深度评测10大新特性全面体验报告下一篇Sprite.js多人游戏开发终极指南使用Node.js构建实时对战游戏创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考