stgan_bald

stgan_bald

模型名称	stgan_bald
类别	图像 - 图像生成
网络	STGAN
数据集	CelebA
是否支持Fine-tuning	否
模型大小	287MB
最新更新日期	2021-02-26
数据指标	-

一、模型基本信息

• 应用效果展示

  • 详情请查看此链接：https://aistudio.baidu.com/aistudio/projectdetail/1145381

• 模型介绍

  • stgan_bald 以STGAN 为模型，使用 CelebA 数据集训练完成，该模型可自动根据图像生成1年、3年、5年的秃头效果。

二、安装

• 1、环境依赖

  • paddlehub >= 1.8.0 | 如何安装paddlehub

• 2、安装

  • $ hub install stgan_bald

  • 如您安装时遇到问题，可参考：零基础windows安装 | 零基础Linux安装 | 零基础MacOS安装

三、模型API预测

• 1、预测代码示例

  • import paddlehub as hub
    import cv2
    
    stgan_bald = hub.Module(name="stgan_bald")
    result = stgan_bald.bald(images=[cv2.imread('/PATH/TO/IMAGE')])
    # or
    # result = stgan_bald.bald(paths=['/PATH/TO/IMAGE'])

• 2、API

  • def bald(images=None,
             paths=None,
             use_gpu=False,
             visualization=False,
             output_dir="bald_output")

    • 秃头生成器API预测接口, 预测输入一张人像，输出三张秃头效果(1年、3年、5年)。

    • 参数

      • images (list[numpy.ndarray]): 图片数据，ndarray.shape 为 [H, W, C]；
        
      • paths (list[str]): 图片的路径；
        
      • use_gpu (bool): 是否使用 GPU；
        
      • visualization (bool): 是否将结果保存为图片，默认为 False;
        
      • output_dir (str): 图片的保存路径，默认设为bald_output。

      NOTE: paths和images两个参数选择其一进行提供数据

    • 返回

      • res (list[numpy.ndarray]): 输出图像数据，ndarray.shape 为 [H, W, C]

四、服务部署

• PaddleHub Serving可以部署一个秃头生成器服务。

• 第一步：启动PaddleHub Serving

  • 运行启动命令：

  • $ hub serving start -m stgan_bald

  • 这样就完成了一个秃头生成器API的部署，默认端口号为8866。

  • NOTE: 如使用GPU预测，则需要在启动服务之前，请设置CUDA_VISIBLE_DEVICES环境变量，否则不用设置。

• 第二步：发送预测请求

  • 配置好服务端，以下数行代码即可实现发送预测请求，获取预测结果

  • import requests
    import json
    import cv2
    import base64
    import numpy as np
    
    
    def cv2_to_base64(image):
      data = cv2.imencode('.jpg', image)[1]
      return base64.b64encode(data.tostring()).decode('utf8')
    
    def base64_to_cv2(b64str):
      data = base64.b64decode(b64str.encode('utf8'))
      data = np.fromstring(data, np.uint8)
      data = cv2.imdecode(data, cv2.IMREAD_COLOR)
      return data
    
    # 发送HTTP请求
    data = {'images':[cv2_to_base64(cv2.imread("/PATH/TO/IMAGE"))]}
    headers = {"Content-type": "application/json"}
    url = "http://127.0.0.1:8866/predict/stgan_bald"
    r = requests.post(url=url, headers=headers, data=json.dumps(data))
    
    # 保存图片 1年 3年 5年
    one_year =cv2.cvtColor(base64_to_cv2(r.json()["results"]['data_0']), cv2.COLOR_RGB2BGR)
    three_year =cv2.cvtColor(base64_to_cv2(r.json()["results"]['data_1']), cv2.COLOR_RGB2BGR)
    five_year =cv2.cvtColor(base64_to_cv2(r.json()["results"]['data_2']), cv2.COLOR_RGB2BGR)
    cv2.imwrite("stgan_bald_server.png", one_year)

五、更新历史

• 1.0.0

  初始发布

• 1.1.0

  移除 Fluid API

  • $ hub install stgan_bald==1.1.0