手记

深度学习AI美颜系列----基于抠图的人像特效算法

    美颜算法的重点在于美颜,也就是增加颜值,颜值的广定义,可以延伸到整个人体范围,也就是说,你的颜值不单单和你的脸有关系,还跟你穿什么衣服,什么鞋子相关,基于这个定义(这个定义是本人自己的说法,没有权威性考究),今天我们基于人体抠图来做一些人像特效算法。

    抠图技术很早之前就有很多论文研究,但是深度学习的出现,大大的提高了抠图的精度,从CNN到FCN/FCN+/UNet等等,论文层出不穷,比如这篇Automatic Portrait Segmentation for Image Stylization,在FCN的基础上,提出了FCN+,专门针对人像抠图,效果如下:


图a是人像原图,图b是分割的Mask,图cde是基于Mask所做的一些效果滤镜;

要了解这篇论文,首先我们需要了解FCN,用FCN做图像分割:


该图中上面部分是CNN做图像分割的网络模型,可以看到,最后是全连接层来处理的,前5层是卷积层,第6层和第7层分别是一个长度为4096的一维向量,第8层是长度为1000的一维向量,分别对应1000个类别的概率;而下图部分是FCN,它将最后的三个全连接层换成了卷积层,卷积核的大小(通道数,宽,高)分别为(4096,1,1)、(4096,1,1)、(1000,1,1),这样以来,所有层都是卷积层,因此称为全卷积网络;

FCN网络流程如下:

在这个网络中,经过5次卷积(和pooling)以后,图像的分辨率依次缩小了2,4,8,16,32倍,对于第5层的输出,是缩小32倍的小图,我们需要将其进行上采样反卷积来得到原图大小的分辨率,也就是32倍放大,这样得到的结果就是FCN-32s,由于放大32倍,所以很不精确,因此,我们对第4层和第3层依次进行了反卷积放大,以求得到更加精细的分割结果,这个就是FCN的图像分割算法流程。

与传统CNN相比FCN的的优缺点如下:

优点:

①可以接受任意大小的输入图像,而不用要求所有的训练图像和测试图像具有同样的尺寸;

②更加高效,避免了由于使用像素块而带来的重复存储和计算卷积的问题;

缺点:

①得到的结果还是不够精细。进行8倍上采样虽然比32倍的效果好了很多,但是上采样的结果还是比较模糊和平滑,对图像中的细节不敏感;

②没有充分考虑像素与像素之间的关系,也就是丢失了空间信息的考虑;

在了解了FCN之后,就容易理解FCN+了,Automatic Portrait Segmentation for Image Stylization这篇论文就是针对FCN的缺点,进行了改进,在输入的数据中添加了人脸的空间位置信息,形状信息,以求得到精确的分割结果,如下图所示:


对于位置和形状数据的生成:

 位置通道:标识像素与人脸的相对位置,由于每张图片位置都不一样,我们采用归一化的x和y通道(像素的坐标),坐标以第一次检测到人脸特征点为准,并预估了匹配到的特征与人体标准姿势之间的一个单应变换T,我们将归一化的x通道定义为T(ximg),其中ximg是以人脸中心位置为0点的x坐标,同理y也是如此。这样,我们就得到了每个像素相对于人脸的位置(尺寸也有相应于人脸大小的缩放),形成了x和y通道。

形状通道:参考人像的标准形状(脸和部分上身),我们定义了一个形状通道。首先用我们的数据集计算一个对齐的平均人像mask。计算方法为:对每一对人像+mask,用上一步得到的单应变换T对mask做变换,变换到人体标准姿势,然后求均值。

W取值为0或1,当变换后在人像内的取值为1,否则为0。

然后就可以对平均mask类似地变换以与输入人像的面部特征点对齐。

论文对应的代码链接:点击打开链接

主体FCN+代码:

  1. from __future__ import print_function  

  2. import tensorflow as tf  

  3. import numpy as np  

  4.   

  5. import TensorflowUtils_plus as utils  

  6. #import read_MITSceneParsingData as scene_parsing  

  7. import datetime  

  8. #import BatchDatsetReader as dataset  

  9. from portrait_plus import BatchDatset, TestDataset  

  10. from PIL import Image  

  11. from six.moves import xrange  

  12. from scipy import misc  

  13.   

  14. FLAGS = tf.flags.FLAGS  

  15. tf.flags.DEFINE_integer("batch_size", "5", "batch size for training")  

  16. tf.flags.DEFINE_string("logs_dir", "logs/", "path to logs directory")  

  17. tf.flags.DEFINE_string("data_dir", "Data_zoo/MIT_SceneParsing/", "path to dataset")  

  18. tf.flags.DEFINE_float("learning_rate", "1e-4", "Learning rate for Adam Optimizer")  

  19. tf.flags.DEFINE_string("model_dir", "Model_zoo/", "Path to vgg model mat")  

  20. tf.flags.DEFINE_bool('debug', "False", "Debug mode: True/ False")  

  21. tf.flags.DEFINE_string('mode', "train", "Mode train/ test/ visualize")  

  22.   

  23. MODEL_URL = 'http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat'  

  24.   

  25. MAX_ITERATION = int(1e5 + 1)  

  26. NUM_OF_CLASSESS = 2  

  27. IMAGE_WIDTH = 600  

  28. IMAGE_HEIGHT = 800  

  29.   

  30.   

  31. def vgg_net(weights, image):  

  32.     layers = (  

  33.         'conv1_1', 'relu1_1', 'conv1_2', 'relu1_2', 'pool1',  

  34.   

  35.         'conv2_1', 'relu2_1', 'conv2_2', 'relu2_2', 'pool2',  

  36.   

  37.         'conv3_1', 'relu3_1', 'conv3_2', 'relu3_2', 'conv3_3',  

  38.         'relu3_3', 'conv3_4', 'relu3_4', 'pool3',  

  39.   

  40.         'conv4_1', 'relu4_1', 'conv4_2', 'relu4_2', 'conv4_3',  

  41.         'relu4_3', 'conv4_4', 'relu4_4', 'pool4',  

  42.   

  43.         'conv5_1', 'relu5_1', 'conv5_2', 'relu5_2', 'conv5_3',  

  44.         'relu5_3', 'conv5_4', 'relu5_4'  

  45.     )  

  46.   

  47.     net = {}  

  48.     current = image  

  49.     for i, name in enumerate(layers):  

  50.         if name in ['conv3_4', 'relu3_4', 'conv4_4', 'relu4_4', 'conv5_4', 'relu5_4']:  

  51.             continue  

  52.         kind = name[:4]  

  53.         if kind == 'conv':  

  54.             kernels, bias = weights[i][0][0][0][0]  

  55.             # matconvnet: weights are [width, height, in_channels, out_channels]  

  56.             # tensorflow: weights are [height, width, in_channels, out_channels]  

  57.             kernels = utils.get_variable(np.transpose(kernels, (1, 0, 2, 3)), name=name + "_w")  

  58.             bias = utils.get_variable(bias.reshape(-1), name=name + "_b")  

  59.             current = utils.conv2d_basic(current, kernels, bias)  

  60.         elif kind == 'relu':  

  61.             current = tf.nn.relu(current, name=name)  

  62.             if FLAGS.debug:  

  63.                 utils.add_activation_summary(current)  

  64.         elif kind == 'pool':  

  65.             current = utils.avg_pool_2x2(current)  

  66.         net[name] = current  

  67.   

  68.     return net  

  69.   

  70.   

  71. def inference(image, keep_prob):  

  72.     """ 

  73.     Semantic segmentation network definition 

  74.     :param image: input image. Should have values in range 0-255 

  75.     :param keep_prob: 

  76.     :return: 

  77.     """  

  78.     print("setting up vgg initialized conv layers ...")  

  79.     model_data = utils.get_model_data(FLAGS.model_dir, MODEL_URL)  

  80.   

  81.     mean = model_data['normalization'][0][0][0]  

  82.     mean_pixel = np.mean(mean, axis=(0, 1))  

  83.   

  84.     weights = np.squeeze(model_data['layers'])  

  85.   

  86.     #processed_image = utils.process_image(image, mean_pixel)  

  87.   

  88.     with tf.variable_scope("inference"):  

  89.         image_net = vgg_net(weights, image)  

  90.         conv_final_layer = image_net["conv5_3"]  

  91.   

  92.         pool5 = utils.max_pool_2x2(conv_final_layer)  

  93.   

  94.         W6 = utils.weight_variable([7, 7, 512, 4096], name="W6")  

  95.         b6 = utils.bias_variable([4096], name="b6")  

  96.         conv6 = utils.conv2d_basic(pool5, W6, b6)  

  97.         relu6 = tf.nn.relu(conv6, name="relu6")  

  98.         if FLAGS.debug:  

  99.             utils.add_activation_summary(relu6)  

  100.         relu_dropout6 = tf.nn.dropout(relu6, keep_prob=keep_prob)  

  101.   

  102.         W7 = utils.weight_variable([1, 1, 4096, 4096], name="W7")  

  103.         b7 = utils.bias_variable([4096], name="b7")  

  104.         conv7 = utils.conv2d_basic(relu_dropout6, W7, b7)  

  105.         relu7 = tf.nn.relu(conv7, name="relu7")  

  106.         if FLAGS.debug:  

  107.             utils.add_activation_summary(relu7)  

  108.         relu_dropout7 = tf.nn.dropout(relu7, keep_prob=keep_prob)  

  109.   

  110.         W8 = utils.weight_variable([1, 1, 4096, NUM_OF_CLASSESS], name="W8")  

  111.         b8 = utils.bias_variable([NUM_OF_CLASSESS], name="b8")  

  112.         conv8 = utils.conv2d_basic(relu_dropout7, W8, b8)  

  113.         # annotation_pred1 = tf.argmax(conv8, dimension=3, name="prediction1")  

  114.   

  115.         # now to upscale to actual image size  

  116.         deconv_shape1 = image_net["pool4"].get_shape()  

  117.         W_t1 = utils.weight_variable([4, 4, deconv_shape1[3].value, NUM_OF_CLASSESS], name="W_t1")  

  118.         b_t1 = utils.bias_variable([deconv_shape1[3].value], name="b_t1")  

  119.         conv_t1 = utils.conv2d_transpose_strided(conv8, W_t1, b_t1, output_shape=tf.shape(image_net["pool4"]))  

  120.         fuse_1 = tf.add(conv_t1, image_net["pool4"], name="fuse_1")  

  121.   

  122.         deconv_shape2 = image_net["pool3"].get_shape()  

  123.         W_t2 = utils.weight_variable([4, 4, deconv_shape2[3].value, deconv_shape1[3].value], name="W_t2")  

  124.         b_t2 = utils.bias_variable([deconv_shape2[3].value], name="b_t2")  

  125.         conv_t2 = utils.conv2d_transpose_strided(fuse_1, W_t2, b_t2, output_shape=tf.shape(image_net["pool3"]))  

  126.         fuse_2 = tf.add(conv_t2, image_net["pool3"], name="fuse_2")  

  127.   

  128.         shape = tf.shape(image)  

  129.         deconv_shape3 = tf.stack([shape[0], shape[1], shape[2], NUM_OF_CLASSESS])  

  130.         W_t3 = utils.weight_variable([16, 16, NUM_OF_CLASSESS, deconv_shape2[3].value], name="W_t3")  

  131.         b_t3 = utils.bias_variable([NUM_OF_CLASSESS], name="b_t3")  

  132.         conv_t3 = utils.conv2d_transpose_strided(fuse_2, W_t3, b_t3, output_shape=deconv_shape3, stride=8)  

  133.   

  134.         annotation_pred = tf.argmax(conv_t3, dimension=3, name="prediction")  

  135.   

  136.     return tf.expand_dims(annotation_pred, dim=3), conv_t3  

  137.   

  138.   

  139. def train(loss_val, var_list):  

  140.     optimizer = tf.train.AdamOptimizer(FLAGS.learning_rate)  

  141.     grads = optimizer.compute_gradients(loss_val, var_list=var_list)  

  142.     if FLAGS.debug:  

  143.         # print(len(var_list))  

  144.         for grad, var in grads:  

  145.             utils.add_gradient_summary(grad, var)  

  146.     return optimizer.apply_gradients(grads)  

  147.   

  148.   

  149. def main(argv=None):  

  150.     keep_probability = tf.placeholder(tf.float32, name="keep_probabilty")  

  151.     image = tf.placeholder(tf.float32, shape=[None, IMAGE_HEIGHT, IMAGE_WIDTH, 6], name="input_image")  

  152.     annotation = tf.placeholder(tf.int32, shape=[None, IMAGE_HEIGHT, IMAGE_WIDTH, 1], name="annotation")  

  153.   

  154.     pred_annotation, logits = inference(image, keep_probability)  

  155.     #tf.image_summary("input_image", image, max_images=2)  

  156.     #tf.image_summary("ground_truth", tf.cast(annotation, tf.uint8), max_images=2)  

  157.     #tf.image_summary("pred_annotation", tf.cast(pred_annotation, tf.uint8), max_images=2)  

  158.     loss = tf.reduce_mean((tf.nn.sparse_softmax_cross_entropy_with_logits(logits,  

  159.                                                                           tf.squeeze(annotation, squeeze_dims=[3]),  

  160.                                                                           name="entropy")))  

  161.     #tf.scalar_summary("entropy", loss)  

  162.   

  163.     trainable_var = tf.trainable_variables()  

  164.     train_op = train(loss, trainable_var)  

  165.   

  166.     #print("Setting up summary op...")  

  167.     #summary_op = tf.merge_all_summaries()  

  168.   

  169.     ''''' 

  170.     print("Setting up image reader...") 

  171.     train_records, valid_records = scene_parsing.read_dataset(FLAGS.data_dir) 

  172.     print(len(train_records)) 

  173.     print(len(valid_records)) 

  174.  

  175.     print("Setting up dataset reader") 

  176.     image_options = {'resize': True, 'resize_size': IMAGE_SIZE} 

  177.     if FLAGS.mode == 'train': 

  178.         train_dataset_reader = dataset.BatchDatset(train_records, image_options) 

  179.     validation_dataset_reader = dataset.BatchDatset(valid_records, image_options) 

  180.     '''  

  181.     train_dataset_reader = BatchDatset('data/trainlist.mat')  

  182.   

  183.     sess = tf.Session()  

  184.   

  185.     print("Setting up Saver...")  

  186.     saver = tf.train.Saver()  

  187.     #summary_writer = tf.train.SummaryWriter(FLAGS.logs_dir, sess.graph)  

  188.   

  189.     sess.run(tf.initialize_all_variables())  

  190.     ckpt = tf.train.get_checkpoint_state(FLAGS.logs_dir)  

  191.     if ckpt and ckpt.model_checkpoint_path:  

  192.         saver.restore(sess, ckpt.model_checkpoint_path)  

  193.         print("Model restored...")  

  194.   

  195.     #if FLAGS.mode == "train":  

  196.     itr = 0  

  197.     train_images, train_annotations = train_dataset_reader.next_batch()  

  198.     trloss = 0.0  

  199.     while len(train_annotations) > 0:  

  200.         #train_images, train_annotations = train_dataset_reader.next_batch(FLAGS.batch_size)  

  201.         #print('==> batch data: ', train_images[0][100][100], '===', train_annotations[0][100][100])  

  202.         feed_dict = {image: train_images, annotation: train_annotations, keep_probability: 0.5}  

  203.         _, rloss =  sess.run([train_op, loss], feed_dict=feed_dict)  

  204.         trloss += rloss  

  205.   

  206.         if itr % 100 == 0:  

  207.             #train_loss, rpred = sess.run([loss, pred_annotation], feed_dict=feed_dict)  

  208.             print("Step: %d, Train_loss:%f" % (itr, trloss / 100))  

  209.             trloss = 0.0  

  210.             #summary_writer.add_summary(summary_str, itr)  

  211.   

  212.         #if itr % 10000 == 0 and itr > 0:  

  213.         ''''' 

  214.         valid_images, valid_annotations = validation_dataset_reader.next_batch(FLAGS.batch_size) 

  215.         valid_loss = sess.run(loss, feed_dict={image: valid_images, annotation: valid_annotations, 

  216.                                                        keep_probability: 1.0}) 

  217.         print("%s ---> Validation_loss: %g" % (datetime.datetime.now(), valid_loss))'''  

  218.         itr += 1  

  219.   

  220.         train_images, train_annotations = train_dataset_reader.next_batch()  

  221.     saver.save(sess, FLAGS.logs_dir + "plus_model.ckpt", itr)  

  222.   

  223.     '''''elif FLAGS.mode == "visualize": 

  224.         valid_images, valid_annotations = validation_dataset_reader.get_random_batch(FLAGS.batch_size) 

  225.         pred = sess.run(pred_annotation, feed_dict={image: valid_images, annotation: valid_annotations, 

  226.                                                     keep_probability: 1.0}) 

  227.         valid_annotations = np.squeeze(valid_annotations, axis=3) 

  228.         pred = np.squeeze(pred, axis=3) 

  229.  

  230.         for itr in range(FLAGS.batch_size): 

  231.             utils.save_image(valid_images[itr].astype(np.uint8), FLAGS.logs_dir, name="inp_" + str(5+itr)) 

  232.             utils.save_image(valid_annotations[itr].astype(np.uint8), FLAGS.logs_dir, name="gt_" + str(5+itr)) 

  233.             utils.save_image(pred[itr].astype(np.uint8), FLAGS.logs_dir, name="pred_" + str(5+itr)) 

  234.             print("Saved image: %d" % itr)'''  

  235.   

  236. def pred():  

  237.     keep_probability = tf.placeholder(tf.float32, name="keep_probabilty")  

  238.     image = tf.placeholder(tf.float32, shape=[None, IMAGE_HEIGHT, IMAGE_WIDTH, 6], name="input_image")  

  239.     annotation = tf.placeholder(tf.int32, shape=[None, IMAGE_HEIGHT, IMAGE_WIDTH, 1], name="annotation")  

  240.   

  241.     pred_annotation, logits = inference(image, keep_probability)  

  242.     sft = tf.nn.softmax(logits)  

  243.     test_dataset_reader = TestDataset('data/testlist.mat')  

  244.     with tf.Session() as sess:  

  245.         sess.run(tf.global_variables_initializer())  

  246.         ckpt = tf.train.get_checkpoint_state(FLAGS.logs_dir)  

  247.         saver = tf.train.Saver()  

  248.         if ckpt and ckpt.model_checkpoint_path:  

  249.             saver.restore(sess, ckpt.model_checkpoint_path)  

  250.             print("Model restored...")  

  251.         itr = 0  

  252.         test_images, test_annotations, test_orgs = test_dataset_reader.next_batch()  

  253.         #print('getting', test_annotations[0, 200:210, 200:210])  

  254.         while len(test_annotations) > 0:  

  255.             if itr < 22:  

  256.                 test_images, test_annotations, test_orgs = test_dataset_reader.next_batch()  

  257.                 itr += 1  

  258.                 continue  

  259.             elif itr > 22:  

  260.                 break  

  261.             feed_dict = {image: test_images, annotation: test_annotations, keep_probability: 0.5}  

  262.             rsft, pred_ann = sess.run([sft, pred_annotation], feed_dict=feed_dict)  

  263.             print(rsft.shape)  

  264.             _, h, w, _ = rsft.shape  

  265.             preds = np.zeros((h, w, 1), dtype=np.float)  

  266.             for i in range(h):  

  267.                 for j in range(w):  

  268.                     if rsft[0][i][j][0] < 0.1:  

  269.                         preds[i][j][0] = 1.0  

  270.                     elif rsft[0][i][j][0] < 0.9:  

  271.                         preds[i][j][0] = 0.5  

  272.                     else:  

  273.                         preds[i][j]  = 0.0  

  274.             org0_im = Image.fromarray(np.uint8(test_orgs[0]))  

  275.             org0_im.save('res/org' + str(itr) + '.jpg')  

  276.             save_alpha_img(test_orgs[0], test_annotations[0], 'res/ann' + str(itr))  

  277.             save_alpha_img(test_orgs[0], preds, 'res/trimap' + str(itr))  

  278.             save_alpha_img(test_orgs[0], pred_ann[0], 'res/pre' + str(itr))  

  279.             test_images, test_annotations, test_orgs = test_dataset_reader.next_batch()  

  280.             itr += 1  

  281.   

  282. def save_alpha_img(org, mat, name):  

  283.     w, h = mat.shape[0], mat.shape[1]  

  284.     #print(mat[200:210, 200:210])  

  285.     rmat = np.reshape(mat, (w, h))  

  286.     amat = np.zeros((w, h, 4), dtype=np.int)  

  287.     amat[:, :, 3] = np.round(rmat * 1000)  

  288.     amat[:, :, 0:3] = org  

  289.     #print(amat[200:205, 200:205])  

  290.     #im = Image.fromarray(np.uint8(amat))  

  291.     #im.save(name + '.png')  

  292.     misc.imsave(name + '.png', amat)  

  293.   

  294. if __name__ == "__main__":  

  295.     #tf.app.run()  

  296.     pred()  


到这里FCN+做人像分割已经讲完,当然本文的目的不单单是分割,还有分割之后的应用;

我们将训练数据扩充到人体分割,那么我们就是对人体做美颜特效处理,同时对背景做其他的特效处理,这样整张画面就会变得更加有趣,更加提高颜值了,这里我们对人体前景做美颜调色处理,对背景做了以下特效:

①景深模糊效果,用来模拟双摄聚焦效果;

②马赛克效果

③缩放模糊效果

④运动模糊效果

⑤油画效果

⑥线条漫画效果

⑦Glow梦幻效果

⑧铅笔画场景效果

⑨扩散效果

效果举例如下:


原图


人体分割MASK


景深模糊效果


马赛克效果


扩散效果


缩放模糊效果


运动模糊效果


油画效果


线条漫画效果


GLOW梦幻效果


铅笔画效果

最后给出DEMO链接:点击打开链接

原文出处


1人推荐
随时随地看视频
慕课网APP