高清背景移除算法实操!CVPR2021最佳论文提名
共 6926字,需浏览 14分钟
·
2021-12-25 00:57
点击下方“AI算法与图像处理”,一起进步!
重磅干货,第一时间送达
环境
ubuntu 18.04 64bit pytorch 1.7.1 + cu101
简介
BackgroundMattingV2
是一个实时的、可应用于高分辨率的背景移除器。论文地址:https://arxiv.org/abs/2012.07810
算法体验
# 下载源码
git clone https://github.com/PeterL1n/BackgroundMattingV2.git
cd BackgroundMattingV2
# 安装pytorch gpu版
pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
模型下载地址
链接:https://pan.baidu.com/s/1GsPQtCI2HpD_kRlWWhhIfQ
提取码:p1r1
解压后放在源码根目录,其中 Resource
有下文要用到的视频及背景图片
工程中提供了三个演示程序:
inference_images.py
: 图片背景移除inference_video.py
: 视频背景移除inference_webcam.py
: 从摄像头读取进行背景移除
这里以视频背景移除为例,其它2个示例类似,执行命令
# 没有gpu的,device处就写cpu或不写这个参数
python inference_video.py --model-type mattingrefine --model-backbone resnet50 --model-backbone-scale 0.25 --model-refine-mode sampling --model-refine-sample-pixels 80000 --model-checkpoint BackgroundMattingV2models/PyTorch/pytorch_resnet50.pth --device cuda --video-src d2.mp4 --video-bgr d2.png --output-dir video_output --output-types com
处理完毕得到的视频,原背景已经被消除了,换成了默认的绿色
如果想要自定义背景,可以通过添加参数 --video-target-bgr images/background.jpg
来实现,不过这里,会报错,出错信息如下
Traceback (most recent call last):
File "inference_video.py", line 182, in
for input_batch in tqdm(DataLoader(dataset, batch_size=1, pin_memory=True)):
File "/home/xugaoxiang/anaconda3/envs/pytorch1.7/lib/python3.8/site-packages/tqdm/std.py", line 989, in __init__
total = len(iterable)
File "/home/xugaoxiang/anaconda3/envs/pytorch1.7/lib/python3.8/site-packages/torch/utils/data/dataloader.py", line 397, in __len__
return len(self._index_sampler)
File "/home/xugaoxiang/anaconda3/envs/pytorch1.7/lib/python3.8/site-packages/torch/utils/data/sampler.py", line 243, in __len__
return (len(self.sampler) + self.batch_size - 1) // self.batch_size # type: ignore
File "/home/xugaoxiang/anaconda3/envs/pytorch1.7/lib/python3.8/site-packages/torch/utils/data/sampler.py", line 70, in __len__
return len(self.data_source)
File "/home/xugaoxiang/workshop/github/BackgroundMattingV2/dataset/zip.py", line 14, in __len__
return max(len(d) for d in self.datasets)
File "/home/xugaoxiang/workshop/github/BackgroundMattingV2/dataset/zip.py", line 14, in
return max(len(d) for d in self.datasets)
ValueError: __len__() should return >= 0
Exception ignored in: <function tqdm.__del__ at 0x7ff206daf9d0>
Traceback (most recent call last):
File "/home/xugaoxiang/anaconda3/envs/pytorch1.7/lib/python3.8/site-packages/tqdm/std.py", line 1147, in __del__
self.close()
File "/home/xugaoxiang/anaconda3/envs/pytorch1.7/lib/python3.8/site-packages/tqdm/std.py", line 1266, in close
if self.disable:
AttributeError: 'tqdm' object has no attribute 'disable'
在 tqdm
的 issue
里也看到了这个问题,很多人反馈,貌似,问题还是存在,讨论链接:https://github.com/tqdm/tqdm/issues/487
如果是改纯色背景的话,我们就不用这个参数 --video-target-bgr
,然后直接去修改代码 inference_video.py
,如下,(120, 255, 155)是默认的绿色,自行替换就可以了
比如将颜色改为 (226, 43, 138),效果如下
上例中使用的是 pytorch
的模型,BackgroundMattingV2
还支持 TorchScript
、TensorFlow
和 ONNX
,至于它们的使用方法,可以参考文档 https://github.com/PeterL1n/BackgroundMattingV2/blob/master/doc/model_usage.md
插件应用
BackgroundMattingV2
还提供了一个插件( plugin
)程序来处理摄像头的数据,目前这个插件只能运行在 linux
平台上,ok
,下面我们也来体验一下
首先还是下载源码
git clone https://github.com/andreyryabtsev/BGMv2-webcam-plugin-linux.git
cd BGMv2-webcam-plugin-linux
插件依赖于内核模块 v4l2loopback
,通过这个模块来创建并串流到虚拟的视频设备节点
首先安装工具
sudo apt-get install v4l2loopback-utils -y
如果已经安装过了 BackgroundMattingV2
的环境,那就只需要再装个 pyfakewebcam
,否则就执行 pip install -r requirements.txt
pip install pyfakewebcam
接下来就开始创建设备节点
sudo modprobe v4l2loopback devices=1
但是这里报错了
(base) xugaoxiang@1070Ti:~/workshop/github/BackgroundMattingV2/BGMv2-webcam-plugin-linux$ sudo modprobe v4l2loopback devices=1
modprobe: ERROR: could not insert 'v4l2loopback': Bad address
解决方法如下,首先卸载掉原来安装的包
sudo apt-get remove v4l2loopback-dkms
然后,下载 v4l2loopback
源码
git clone https://github.com/umlaeute/v4l2loopback.git
编译源码,生成内核模块 ko
文件
make
最后安装
sudo make install
安装过程中出现了 ssl
相关的错误,可以忽略
为了让模块在系统启动时自动加载,执行
sudo depmod -a
depmod
命令用于生成 modules.dep
和 map
文件,用于在启动时模块的自动加载。
再次创建设备节点 sudo modprobe v4l2loopback devices=1
最后执行
python demo_webcam.py --model-checkpoint ../BackgroundMattingV2models/TorchScript/torchscript_resnet50_fp32.pth
但是,我这里报错了
Corrupt JPEG data: 4 extraneous bytes before marker 0xd6
Corrupt JPEG data: 1 extraneous bytes before marker 0xd2
Corrupt JPEG data: 2 extraneous bytes before marker 0xd6
Corrupt JPEG data: 2 extraneous bytes before marker 0xd6
Corrupt JPEG data: 4 extraneous bytes before marker 0xd6
Traceback (most recent call last):
File "demo_webcam.py", line 586, in
fake_camera = pyfakewebcam.FakeWebcam(args.camera_device, cam.width, cam.height)
File "/home/xugaoxiang/anaconda3/envs/pytorch1.7/lib/python3.8/site-packages/pyfakewebcam/pyfakewebcam.py", line 54, in __init__
fcntl.ioctl(self._video_device, _v4l2.VIDIOC_S_FMT, self._settings)
OSError: [Errno 22] Invalid argument
Corrupt JPEG data: 1 extraneous bytes before marker 0xd2
FATAL: exception not rethrown
Aborted (core dumped)
通过命令 v4l2-ctl --list-devices
查看设备节点信息
(pytorch1.7) xugaoxiang@1070Ti:~/workshop/github/BackgroundMattingV2/BGMv2-webcam-plugin-linux$ v4l2-ctl --list-devices
Dummy video device (0x0000) (platform:v4l2loopback-000):
/dev/video2
UVC Camera (046d:081b) (usb-0000:00:14.0-8):
/dev/video0
/dev/video1
可以看到 v4l2loopback
节点是 /dev/video2
,因此需要去修改下源码 demo_webcam.py
,将默认的设备节点由原来的 dev/video1
改为 dev/video2
parser.add_argument('--camera-device', type=str, default='/dev/video2)
然后,再次执行命令 python demo_webcam.py --model-checkpoint ../BackgroundMattingV2models/TorchScript/torchscript_resnet50_fp32.pth
模糊背景效果
自定义背景效果
备注
要求测试图片或者视频分辨率要能够被4整除,否则报错
Traceback (most recent call last):
File "inference_images.py", line 132, in
pha, fgr, _, _, err, ref = model(src, bgr)
File "/home/xugaoxiang/anaconda3/envs/pytorch1.7/lib/python3.8/site-packages/torch/nn/modules/module.py", line 727, in _call_impl
result = self.forward(*input, **kwargs)
File "/home/xugaoxiang/workshop/github/BackgroundMattingV2/model/model.py", line 163, in forward
assert src.size(2) // 4 * 4 == src.size(2) and src.size(3) // 4 * 4 == src.size(3), \
AssertionError: src and bgr must have width and height that are divisible by 4
测试图片及视频
下载地址: https://drive.google.com/drive/folders/16H6Vz3294J-DEzauw06j4IUARRqYGgRD
关联阅读
backgroundremover去背 rembg去背 https://github.com/PeterL1n/BackgroundMattingV2 https://github.com/umlaeute/v4l2loopback https://github.com/andreyryabtsev/BGMv2-webcam-plugin-linux
交流群
欢迎加入公众号读者群一起和同行交流,目前有美颜、三维视觉、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群
个人微信(如果没有备注不拉群!) 请注明:地区+学校/企业+研究方向+昵称
下载1:何恺明顶会分享
在「AI算法与图像处理」公众号后台回复:何恺明,即可下载。总共有6份PDF,涉及 ResNet、Mask RCNN等经典工作的总结分析
下载2:终身受益的编程指南:Google编程风格指南
在「AI算法与图像处理」公众号后台回复:c++,即可下载。历经十年考验,最权威的编程规范!
下载3 CVPR2021 在「AI算法与图像处理」公众号后台回复:CVPR,即可下载1467篇CVPR 2020论文 和 CVPR 2021 最新论文