关于图像处理:StyleGAN-生成-AI-虚拟人脸再也不怕侵犯肖像权

🎈 什么是 StyleGAN

• GAN 是机器学习中的生成性反抗网络，指标是合成与实在图像无奈辨别的人工样本，如图像。即扭转人脸图像中的特定特色，如姿态、脸型和发型，GAN 的次要挑战就是如何图像变得更加真切。
• StyleGAN 是一种基于款式的 GAN 的生成器体系结构，是一个弱小的能够管制生成图片属性的框架，它采纳了全新的生成模型，分层的属性管制，可能生成 1024×1024 分辨率的人脸图像，并且能够进行属性的准确管制与编辑，能够生成最先进的后果—高分辨率图像，看起来比以前生成的图像更实在。

🎈 如何应用 StyleGAN

• 对于应用 StyleGAN 技术生成人脸的技术曾经开源了，已反对网红脸、明星脸、萌娃脸、超模脸、黄种人脸等图像的生成。
• 对于 windows 中如何应用这项技术呢？
• 首先咱们须要有 Python3 环境，这里举荐 Anaconda 集成环境，下载地址：https://www.anaconda.com/
• 另外咱们须要装置 CUDA 10.0 及以上的环境，下载地址：https://developer.nvidia.com/cuda-10.0-download-archive
• 其次咱们须要装置 CUDA 10.0 对应的 cuDNN，我下载的是 cuDNN 7.6.4 for CUDA 10.0，下载地址：https://developer.nvidia.com/rdp/cudnn-archive
• 最初咱们须要装置 VS2017 或 VS2019，下载地址：https://visualstudio.microsoft.com/zh-hans/vs/，装置的时候肯定勾选上 应用 C ++ 的桌面开发

🎈 下载我的项目

• 首先咱们须要下载我的项目到本地，而后再装置我的项目所需的一些依赖即可
• 我的项目地址：https://github.com/a312863063/generators-with-stylegan2.git
• 如果你无奈通过 git clone 下载，也能够间接去链接外面下载压缩包，下载到本地后再解压

# 下载我的项目库
git clone https://github.com/a312863063/generators-with-stylegan2.git

# 装置依赖
pip install tensorflow-gpu==1.14.0
pip install scipy==1.3.3
pip install requests==2.22.0
pip install Pillow==6.2.1    

🎈 批改我的项目 MSVC

• 须要关上我的项目中的文件 dnnlib/tflib/custom_ops.py，第 29 行所标注的 MSVC 的版本号
• 这个根据本身电脑装置的版本进行批改便可，个别只须要批改下图的 14.16.27023 的地位即可

compiler_bindir_search_path = ['C:/Program Files (x86)/Microsoft Visual Studio/2017/Community/VC/Tools/MSVC/14.16.27023/bin/Hostx64/x64',
    'C:/Program Files (x86)/Microsoft Visual Studio/2019/Community/VC/Tools/MSVC/14.16.27023/bin/Hostx64/x64',
    'C:/Program Files (x86)/Microsoft Visual Studio 14.0/vc/bin',
]

🎈 运行我的项目

• 只须要运行 python main.py 即可生成对应的模型的图片
• 在 main.py 文件中，咱们能够看到，能够自定义模型和一次性生成图片的数量
• 模型须要自行下载，下载实现后放到 networks 目录下，想生成哪种类型的图片，只有更换模型门路即可
• 当初反对网红脸、明星脸、萌娃脸、超模脸、黄种人脸等模型，下载链接在 networks 文件夹下文本文档中

def main():
    os.makedirs('results/', exist_ok=True)
    os.makedirs('results/generate_codes/', exist_ok=True)

    network_pkl = 'networks/generator_star-stylegan2-config-f.pkl'  # 模型地位
    generate_num = 20  # 生成数量

    generate_images(network_pkl, generate_num)

🎈 运行后果

• 生成的对应后果寄存在 results 文件夹下