%20(2).svg)
项目简介
本项目是基于PyTorch框架构建的图像修复系统，借助深度学习技术修复图像中缺失或损坏的部分。项目涵盖模型训练、测试功能，还有基于FastAPI的Web应用接口，用户能通过此接口上传图像完成修复操作。
项目的主要特性和功能
- 支持自定义训练图像修复模型，运用生成对抗网络（GAN）训练，同时支持TensorBoard日志记录。
- 提供测试脚本，用户可在命令行指定输入图像、掩膜和预训练模型，完成图像修复并保存结果。
- 基于FastAPI框架搭建Web应用，用户上传图像和掩膜文件、选择模型后，可下载修复好的图像。
- 支持加载多种预训练模型，用户可按需选择不同模型进行图像修复。
安装使用步骤
1. 环境准备
确保安装以下依赖： - Python 3.6 - PyTorch - torchvision - numpy - Pillow - tensorboard - pyyaml - fastapi - uvicorn
使用以下命令安装所需Python包：
bash
pip install -r requirements.txt
2. 下载预训练模型
测试或使用Web应用前，需下载预训练模型参数，可从Places2模型参数下载获取。
3. 测试模型
使用以下命令测试模型：
bash
python test.py --image examples/inpaint/case1.png --mask examples/inpaint/case1_mask.png --out examples/inpaint/case1_out_test.png --checkpoint pretrained/states_tf_places2.pth
4. 训练模型
使用以下命令启动模型训练：
bash
python train.py --config configs/train.yaml
训练时可使用以下命令通过TensorBoard查看日志记录：
bash
tensorboard --logdir <your_log_dir>
5. 运行Web应用
安装FastAPI和uvicorn：
bash
pip install fastapi python-multipart "uvicorn[standard]"
启动Web应用：
bash
python app.py
启动后，在浏览器访问http://localhost:8000即可进行图像修复操作。
6. 添加新模型
用户可在app/models.yaml文件中添加新的模型配置，Web应用会自动加载并提供选择。
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】