PaddleHub（3）

PaddleHub实战——抠图及合成图片

一：前言

本项目主要采用paddlehub deeplabv3+模型和python图像处理库opencv、PIL等完成。

为了使多尺度信息融合，我们使用encoder-decoder。因为骨干网络用了Xception模型，所以可以提高运行速率。

该paddlehub module使用的是百度自建数据集进行训练，可将其应用于支持任意大小图片的输入和分割人像，一键抠图和图像合成等工作。

二：定义待操作的图片

 

 

 在这个项目中，待操作的图片都存储于meditation.jpg文件夹中。

 

 

 

 

 

 

 

三：加载预训练模型

 通过加载PaddleHub DeepLabv3+模型实现一键抠图

 

 

 

 

 四：图像合成

将扣出的图像和想要的图像进行合成

 

 

 

 

 

 

 

 

 

 五：总结

经过这近一个月的paddlehub的学习，初步学习了python和paddlehub的相关知识，了解了python和liunx的基本语法，如何在AIStudio中fork优秀的项目。相信这些知识对以后的学习又很大的帮助。这段时间最大的感触就是，python的强大，可以大大减少程序员的工作量。在学习C的时候，一个简单的程序都需要花费大量的时间在基础语句的编写上，现在用了python和paddlehub，几行代码就可以解决一个问题。但失误都有两面性，在降低程序员工作量，提高效率的同时也降低了人工智能的入行门槛，这对我们专业来说不算是一件好事。

这一个月学习的都是较为简单的入门的知识，其中也遇到了一些问题，每一次解决问题都是在为自己积累经验。相信随着学习的逐步推进，只要自己花心思愿意去学，以后可以在AI studio和paddlehub上学到更多的知识，提升自己的专业水平。