python人工智能实例代码_人工智能python代码实现魔幻换天视频特效
魔幻换天视频:python 代码实现魔幻换天特效特效前后对比图python实现魔幻换天特效,特效前,特效后对比视频视频前后特效对比图前几期的视频,我们分享了python代码实现的魔幻换天的视频特效,如何使用python代码实现?本期文章我们简单介绍一下工作原理。视频特效对比前后首先,需要到如下链接下载整个项目的源码:github.com/jiupinjia/SkyAR下载完成后,解压后的文件目录如
魔幻换天视频:
python 代码实现魔幻换天特效
![2eedfa6fa2e3d0b041f077da273ef93c.gif](https://img-blog.csdnimg.cn/img_convert/2eedfa6fa2e3d0b041f077da273ef93c.gif)
特效前后对比图
python实现魔幻换天特效,特效前,特效后对比视频
![d35782da1e647d296367ae32c640cf35.gif](https://img-blog.csdnimg.cn/img_convert/d35782da1e647d296367ae32c640cf35.gif)
视频前后特效对比图
前几期的视频,我们分享了python代码实现的魔幻换天的视频特效,如何使用python代码实现?本期文章我们简单介绍一下工作原理。
![d0554e8e275130a82f088f872600291b.png](https://img-blog.csdnimg.cn/img_convert/d0554e8e275130a82f088f872600291b.png)
视频特效对比前后
首先,需要到如下链接下载整个项目的源码:
github.com/jiupinjia/SkyAR
下载完成后,解压后的文件目录如下:
![7245c75ad9aacdd33cb22b3d6110adbd.png](https://img-blog.csdnimg.cn/img_convert/7245c75ad9aacdd33cb22b3d6110adbd.png)
源代码目录文件
然后到如下地址下载预训练模型:
drive.google.com/file/d/1COMROzwR4R_7mym6DL9LXhHQlJmJaV0J/view?usp=sharing模型名称:checkpoints_G_coord_resnet50.zip
下载完成后,解压到skyAR的当前目录中,项目中多一个文件夹checkpoints_G_coord_resnet50,目录如下:
![f2110fd4e036dcf2ba503d7030a7f4c6.png](https://img-blog.csdnimg.cn/img_convert/f2110fd4e036dcf2ba503d7030a7f4c6.png)
需要加载预训练模型
然后,需要安装requirement里面要求的第三方工具包:
如下第三方包是项目需要的包,需要安装到自己的电脑里面,否则代码无法运行matplotlibscikit-imagescikit-learnscipynumpytorchtorchvisionopencv-pythonopencv-contrib-python
![d28778ca1ba89985176eb811b08dd545.png](https://img-blog.csdnimg.cn/img_convert/d28778ca1ba89985176eb811b08dd545.png)
特效前后对比图
待以上准备工作完成后,便可以简单修改一下源码进行运行代码,这里需要要求你已经安装好了cuda版本的pytorch或者CPU版本的pytorch,若电脑里面没有GPU可以使用,可以直接使用CPU进行代码的运行,代码修改如下:
首先打开skymagic.py文件,更改前代码如下:
import numpy as npimport matplotlib.pyplot as pltimport cv2import osimport globimport argparsefrom networks import *from skyboxengine import *import utilsimport torchdevice = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")parser = argparse.ArgumentParser(description='SKYAR')parser.add_argument('--path', type=str, default='./config/config-canyon-jupiter.json', metavar='str',help='configurations')
![01a6a0424116604128f1eb1bdf9a55eb.png](https://img-blog.csdnimg.cn/img_convert/01a6a0424116604128f1eb1bdf9a55eb.png)
代码截图
更改后代码如下:我们注销了2,12,16-18行的代码,并修改13行代码为device = torch.device( "cpu"),这里修改的意思是使用CPU运行代码,若你电脑上面已经安装好了cuda,可以忽略此处的修改
import numpy as npimport matplotlib.pyplot as pltimport cv2import osimport glob#import argparsefrom networks import *from skyboxengine import *import utilsimport torchdevice = torch.device( "cpu")#parser = argparse.ArgumentParser(description='SKYAR')#parser.add_argument('--path', type=str, default='./config/config-canyon-jupiter.json', metavar='str',# help='configurations')
![4b271c3c62cf02cbb72d2747e11d6e33.png](https://img-blog.csdnimg.cn/img_convert/4b271c3c62cf02cbb72d2747e11d6e33.png)
代码截图
修改完成后,需要修改一下main 函数里面的代码
修改前代码的第188行使用parser来进行配置文件的读取
if __name__ == '__main__': config_path = parser.parse_args().path args = utils.parse_config(config_path) sf = SkyFilter(args) sf.run()
![59b2917d25cddbc31b984c11f8027c91.png](https://img-blog.csdnimg.cn/img_convert/59b2917d25cddbc31b984c11f8027c91.png)
代码截图
修改后,我们可以直接配置config配置文件下的配置文件
if __name__ == '__main__': config_path = 'config/config-canyon-sunset.json' args = utils.parse_config(config_path) sf = SkyFilter(args) sf.run()
![99a6b728cab50548bc9f5d11e3fc0c29.png](https://img-blog.csdnimg.cn/img_convert/99a6b728cab50548bc9f5d11e3fc0c29.png)
代码截图
配置文件如下:{"net_G": "coord_resnet50","ckptdir": "./checkpoints_G_coord_resnet50","input_mode": "video","datadir": "./test_videos/canyon.mp4","skybox": "rainy.jpg","in_size_w": 384,"in_size_h": 384,"out_size_w": 845,"out_size_h": 480,"skybox_cernter_crop": 0.5,"auto_light_matching": false,"relighting_factor": 0.6,"recoloring_factor": 0.5,"halo_effect": true,"output_dir": "./eval_output","save_jpgs": false}
"ckptdir": "./checkpoints_G_coord_resnet50这里是预训练好的模型
"input_mode": "video",这里是输入的格式,当然也可以输入一张照片,照片设置为seq
"datadir": "./test_videos/canyon.mp4",这里是需要处理的视频地址
"skybox": "rainy.jpg",这里是添加特效的图片或者视频
![717ba4cc47315c54358a0632027c2695.png](https://img-blog.csdnimg.cn/img_convert/717ba4cc47315c54358a0632027c2695.png)
代码截图
其他参数可以默认设置
最后,直接在本目录文件夹下cmd对话框中输入:
python skymagic.py
便可以看到模型实时渲染的特效视频,代码运行完成,会在当前目录生成合成后的视频
![a2e694d04b4d04a24bd86edd93032156.png](https://img-blog.csdnimg.cn/img_convert/a2e694d04b4d04a24bd86edd93032156.png)
视频特效对比
当然,你也可以使用自己的数据,进行模型的训练,模型的训练使用train.py代码,详细步骤可以参考文章中的链接进行学习,本文只是简单介绍一下代码的基本使用,其中涉及的pytorch人工智能神经网络的搭建,模型的训练等知识,也可以参考往期关于pytorch等方面的知识,后期我们也会分享此方面的知识,关于pytorch不同版本的安装说明,pytorch官网有详细的介绍可以参考
![81be1750ac2b05a3fafe0787985e20a9.png](https://img-blog.csdnimg.cn/img_convert/81be1750ac2b05a3fafe0787985e20a9.png)
特效视频截图
最后展示几张特效后的照片,有关视频可以查看文章开头的2个视频链接,进行视频的观看
![a7db804532c1d8d191ce81b816bcfcce.png](https://img-blog.csdnimg.cn/img_convert/a7db804532c1d8d191ce81b816bcfcce.png)
视频特效
![7f33418ece4d364e3e1ebeefd2409b1f.png](https://img-blog.csdnimg.cn/img_convert/7f33418ece4d364e3e1ebeefd2409b1f.png)
视频特效
更多推荐
所有评论(0)