这篇教程Python快速实现一键抠图功能的全过程写得很实用，希望能帮到您。
简介使用百度深度学习框架paddlepaddle对人像图片进行自动化抠图 安装 根据PaddlePaddle官网命令安装 
如 pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simplepip install paddlehub -i https://mirror.baidu.com/pypi/simple 初试1.jpg
 2.jpg
 3.jpg
 4.jpg
 5.jpg
 import paddlehub as hubfrom pathlib import Pathpaths = [str(i) for i in Path('.').glob('*.jpg')] # 当前路径下所有.jpg文件human_seg = hub.Module(name='deeplabv3p_xception65_humanseg')results = human_seg.segmentation(paths=paths, visualization=True, output_dir='output')# results = human_seg.segmentation(paths=paths, use_gpu=True, visualization=True, output_dir='output') # 使用GPUprint(results)代码会自动下载图像分割模型deeplabv3p_xception65_humanseg到C:/Users/Administrator/.paddlehub/modules 效果 | 文件名 | 原图 | 效果 | | 1.jpg | |  | | 2.jpg | |  | | 3.jpg | |  | | 4.jpg | |  | | 5.jpg | |  | 详解人像分割API def segmentation(images=None, paths=None, batch_size=1, use_gpu=False, visualization=False, output_dir='humanseg_output') 参数 - images(list[numpy.ndarray])：图片数据，BGR格式
- paths(list[str])：图片路径
- batch_size(int)：批量处理数量
- use_gpu(bool)：是否使用 GPU
- visualization(bool)：是否将识别结果保存为图片
- output_dir(str)：图片保存路径
遇到的坑1. 报错RuntimeError: Environment Variable CUDA_VISIBLE_DEVICES is not set correctly. If you wanna use gpu, please set CUDA_VISIBLE_DEVICES as cuda_device_id. import osos.environ['CUDA_VISIBLE_DEVICES'] = '0' 或 set CUDA_VISIBLE_DEVICES=0 参考文献 一款Python实用神器，5 行 Python 代码 实现一键批量扣图 总结到此这篇关于Python快速实现一键抠图功能的文章就介绍到这了,更多相关Python一键抠图内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
总结python多进程multiprocessing的相关知识
pycharm部署django项目到云服务器的详细流程 |
