Skip to content

引用fast-neural-style项目训练模型的简化使用demo,通过图像风格化处理实现艺术效果

License

Notifications You must be signed in to change notification settings

Aiden-L/AI-Gallery

Repository files navigation

AI-Gallery

介绍

项目通过图像风格化处理实现艺术效果

其中fast-neural-style引用fast-neural-style项目训练模型

(模型来自: https://github.com/jcjohnson/fast-neural-style)

项目中包含了一些图片处理常用的方法

项目用于《煤容》(倡导以黑白块状静态照片代替保持开启的摄像头,减少因视频传输流带来的巨大碳排放,拍照上传到网站,即可获得专属的煤容艺术照)

点击这里访问《煤容》客户端,欢迎体验

软件架构

  • Python 3.9
  • OpenCV

安装教程

  1. 运行 models/download_style_transfer_models.sh下载模型 (模型来自: https://github.com/jcjohnson/fast-neural-style)
  2. pip install -r requirements.txt

使用说明

  1. 像素块随机风格demo:python pixel_block_style_img.py
  2. 图片版本demo:python fast_neural_style_img.py
  3. 视频实时版本demo:python fast_neural_style_video.py

通用函数

  1. 添加水印,测试demo:调用singleton_test.py单例测试demo中的test_water_mark()函数

更新日志

  • 1.0.0: 像素运算生成风格化图像
  • 1.1.0: 新增fast-neural-style模型支持,新增生成风格图像demo
  • 1.1.1: 新增摄像头实时生成风格demo
  • 1.1.2: 新增摄像头实时预览时捕捉快照功能
  • 1.1.3: 对视频和图片支持灰度显示,生成灰度风格图
  • 1.2.0: 新增带有颜色过滤器的风格图
  • 1.2.1: 优化算法,新增颜色过滤器实时视频预览
  • 1.3.0: 新增图片工具模块
  • 1.3.1: 新增图片添加水印工具,水印透明度调整
  • 1.3.2: 添加水印工具支持png水印,透明背景
  • 1.3.3: 添加水印工具支持自适应位置调整,支持右下开始的布局

About

引用fast-neural-style项目训练模型的简化使用demo,通过图像风格化处理实现艺术效果

Topics

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published