哪種髮型更適合你？AI幫你選擇適合你的髮型丨機器學習

作者：由星夜溯塵發表于收藏時間：2022-01-14

前言

最近看到一個開源專案（Barbershop），可以將照片中的髮型更換成另一個，很神奇。先給大家看看專案給出的效果圖。

先說說我在安裝使用該專案的感受，因為作者給的安裝說明太少，我邊看程式碼邊安裝環境花了整整8個小時，順便還在等安裝的過程中，追了10集電視劇《輸贏》。看在我堅持弄了這麼長時間，並把踩過的坑，安裝這麼長時間的份上，我覺著還是給個讚的。

下面開始我的安裝使用記錄。

環境部署

下面進入最坑的部分，首先我們看一下專案給出的安裝說明。

其實只有兩條，conda匯入environment/environment。yaml環境，下載II2S圖片。就這兩句話讓我裝了一晚上，天知道我經歷了啥。坑踩了一邊，可以按照我的流程裝，應該問題不大。

1、匯入environment/environment。yaml環境

先建立conda虛擬環境，使用一下命令：

conda env create -f environment/environment。yaml

2、安裝pytorch

這裡有不會的話，可以看我另一篇文章，有詳細的搭建方法：

機器學習基礎環境部署 | 機器學習系列

3、依賴庫安裝

我就不提我踩了多少坑了，下面我把需要的專案沒提供的依賴，總結髮在下面。

dlib

Ninja

gdown

scikit-image

IPython

opencv-python

版本可以選擇最新的，因為我用最新的跑起來了。

4、 cl。exe環境變數配置

需要安裝一下Microsoft Visual Studio，我選擇的版本是2019版本。

這裡需要注意安裝的時候需要把C++選上。

按照自己的機器位數，選擇路徑新增到環境變數路徑裡。下面是我的路徑。

新增環境變數

5、模型下載

專案在執行的時候其實是會自己下載模型的，但是從google雲盤經常失敗，而且該專案要的模型特別多，大家可以下我的。

模型檔案連結：

https：//

docs。qq。com/doc/DV1VkTE

FTYUhrZHRj

首先人臉68特徵資料放到專案的cache目錄內。其次另外的6個pt檔案放到專案的pretrained_models目錄內。

6、髮型資料下載

按照專案給出的地址從雲盤下載到input/face目錄內。

7、程式碼調整

專案align_face。py檔案中，不會檢查模型是否存在，還是會下載，需要調整一下。如下圖：

專案驗證

OK，環境如果你按照我上面說的部署成功了，恭喜。下面我來驗證一下效果。

先看看我準備的照片。

把照片放到unprocessed目錄下，注意編號需要和input/face內的檔案編號不同。

1、預處理照片

首先我們執行命令預處理unprocessed目錄內的照片。命令如下：

python align_face。py

（Barbershop） C：\Users\yi\PycharmProjects\Barbershop>python align_face。py

Downloading Shape Predictor

126。jpg： Number of faces detected： 1

可以看到input/face目錄多了一個檔案，預處理把原照片的人臉處理出來了。

2、換髮型

下面看一下我準備換的髮型是哪張。

換個短髮。執行命令如下：

python main。py ——im_path1 126。png ——im_path2 94。png ——im_path3 94。png ——sign realistic ——smooth 5

看下執行結果

（Barbershop） C：\Users\yi\PycharmProjects\Barbershop>python main。py ——im_path1 126。png ——im_path2 94。png ——im_path3 94。png ——sign realistic ——smooth 5

Loading StyleGAN2 from checkpoint： pretrained_models/ffhq。pt

Setting up Perceptual loss。。。

Loading model from： C：\Users\yi\PycharmProjects\Barbershop\losses\lpips\weights\v0。1\vgg。pth

。。。［net-lin ［vgg］］ initialized

。。。Done

Number of images： 2

Images： 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 2/2 ［10：39<00：00， 319。74s/it］

Number of images： 2

Images： 100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 2/2 ［02：08<00：00， 64。04s/it］

Loading StyleGAN2 from checkpoint： pretrained_models/ffhq。pt

C：\Users\yi\PycharmProjects\Barbershop\models\Alignment。py：97： UserWarning： where received a uint8 condition tensor。 This behavior is deprecated and will be removed in a

future version of PyTorch。 Use a boolean condition instead。（Triggered internally at 。。\aten\src\ATen\native\TensorCompare。cpp：328。）

new_target_final = torch。where（OB_region， torch。from_numpy（new_target_inpainted）， new_target）

Align Step 2： 0%| | 0/100 ［00：00<？，？it/s］E

：\ProgramData\Anaconda3\envs\Barbershop\lib\site-packages\torch\nn\functional。py：3680： UserWarning： The default behavior for interpolate/upsample with float scale_factor

changed in 1。6。0 to align with other frameworks/libraries， and now uses scale_factor directly， instead of relying on the computed output size。 If you wish to restore th

e old behavior， please set recompute_scale_factor=True。 See the documentation of nn。Upsample for details。

“The default behavior for interpolate/upsample with float scale_factor changed ”

E：\ProgramData\Anaconda3\envs\Barbershop\lib\site-packages\torch\nn\functional。py：3635： UserWarning： Default upsampling behavior when mode=bicubic is changed to align_co

rners=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）

Loading StyleGAN2 from checkpoint： pretrained_models/ffhq。pt

Setting up Perceptual loss。。。

Loading model from： C：\Users\yi\PycharmProjects\Barbershop\losses\masked_lpips\weights\v0。1\vgg。pth

。。。［net-lin ［vgg］］ initialized

。。。Done

Setting up Perceptual loss。。。

Loading model from： C：\Users\yi\PycharmProjects\Barbershop\losses\masked_lpips\weights\v0。1\vgg。pth

。。。［net-lin ［vgg］］ initialized

。。。Done

等了很長時間，結果出來了。最後的效果圖如下