这篇教程Python 人工智能老照片修复算法学习写得很实用，希望能帮到您。
前言老旧或者破损的照片如何修复呢？本文主要分享一个博主使用后非常不错的照片恢复开源项目：Bringing-Old-Photos-Back-to-Life。 项目的Github地址：项目地址 我们先看看官方给出的效果图： 
就算现在看到这张图，我仍然觉着非常惊艳。下面我会把项目环境安装部署，到最后使用的效果做一个展示。
项目环境搭建该项目的环境搭建有点复杂，我一点点说。
conda虚拟环境创建在项目README.md文件中要求python版本在3.6以上。 
我们用anaconda创建一个虚拟环境bobl conda create -n bobl python=3.6
激活环境在Pycharm项目中配置interpreter，设置到conda目录envs下bobl环境的python。 
Pytorch安装虽然项目官方给出的requirements.txt包含pytorch，为了保险起见，还是去Pytorch官方网站上安装一下。Pytorch官方地址:PyTorch 
因为我本机没插显卡，安装的cpu版本。 选择对应的命令安装Pytorch库。
Synchronized-BatchNorm-PyTorch repository安装 官方给出的安装说明里面需要部署Synchronized-BatchNorm-PyTorch项目进来。 
这里注意一点，需要把Synchronized-BatchNorm-PyTorch项目中的sync_batchnorm拷贝到上级目录。完整的目录接口参考下图： 
Global目录Synchronized-BatchNorm-PyTorch项目部署官方说明里面也需要把Synchronized-BatchNorm-PyTorch项目部署到Global里面。 
也是一样要把sync_batchnorm拷贝到上级目录。结构如下： 
检测预处理模型下载需要用到一个检测预处理模型，主要是用来识别照片中的人脸部分的。 
注意解压后的位置，结构如下： 
下载脸部增强模型文件官方说明： 
下载两个模型zip解压到对应目录下，结构如下： 
下载依赖注意，我这里去掉了pytorch的依赖安装，已经已经装过了。 dlibscikit-imageeasydictPyYAMLdominate>=2.3.1dilltensorboardXscipyopencv-pythoneinopsPySimpleGUI 安装命令： pip install -r requirements.txt -i https://pypi.douban.com/simple
完整部署后项目结构完整的结构如下图： 
项目使用官方给到的图，我就不用了，不能说明问题。我自己准备了两种图，一张是一张人脸的，一张是多张人脸的。 
 先按照官方给出的命令跑跑看 
我们直接使用最下面这个命令，包含划痕去除与高度还原。看一下执行情况。 (bobl) D:/spyder/Bringing-Old-Photos-Back-to-Life>python run.py --input_folder E:/csdn/老照片 --output_folder result1/ --GPU -1 --with_scratch --HRRunning Stage 1: Overall restorationinitializing the dataloadermodel weights loadeddirectory of testing image: E:/csdn/老照片processing 1.jpgprocessing 2.jpgMapping: You are using multi-scale patch attention, conv combine + mask inputNow you are processing 1.pngC:/ProgramData/Anaconda3/envs/bobl/lib/site-packages/torch/nn/functional.py:3635: UserWarning: Default upsampling behavior when mode=bilinear is changed to align_corners=False since 0.4.0. Please specify align_corners=True if the old behavior is desired. See the documentation of nn.Upsample for details. "See the documentation of nn.Upsample for details.".format(mode)Now you are processing 2.pngFinish Stage 1 ... Running Stage 2: Face Detection121Finish Stage 2 ... Running Stage 3: Face Enhancementdataset [FaceTestDataset] of size 13 was createdThe size of the latent vector size is [16,16]Network [SPADEGenerator] was created. Total number of parameters: 92.1 million. To see the architecture, do print(network).hi :)Finish Stage 3 ... Running Stage 4: BlendingFinish Stage 4 ... All the processing is done. Please check the results. (bobl) D:/spyder/Bringing-Old-Photos-Back-to-Life> 输出的文件不但有最终的结果，也有检测出来的每个脸的处理前后效果。结果结构如下： 
验证一下1、多人照片最终的效果验证，下面上图是输出结果图，下图是原始图。可以看出有些划痕已经消失，但是还是有一些，不过整体的任务更立体鲜明了。  
2、单人照片最终效果验证，下面上图为结果图，下图为原始图。单人就很明显了，不但划痕都消除了，人也更清晰立体，效果是真不错。  
3、模型也会把多人图中的每张脸都识别出来，并且跑出结果，可以对比一下看看，细节还是修复的很好的。  
 
总结官方还给出了其他的命令，就不一一验证了。整体的效果是非常好的，只是在多人图的时候还有些瑕疵，瑕不掩瑜。 到此这篇关于Python 人工智能老照片修复算法学习的文章就介绍到这了,更多相关Python人工智能内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
基于Python 优化 MUI标题栏
五个Python迷你版小程序附代码 |
