京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:闲欢
来源:Python 技术
大家好,我是闲欢,今天我们继续肝!
这几年抖音真的是火得深入到大街小巷,给无数人带来了可观的收入。
这其中有一个细分品类是修复老照片,内容就是发布一张老照片修复后的效果呈现,流量还很不错。
老照片容易引起人的共鸣,很多人看到老照片尤其人物会联想到自己的某些场景、某些亲人,纪念以及追思,意义重大,甚至有人通过修复老照片,找到失散多年的亲人...
据说引流到淘宝店铺,一年营收千万,看得我直流口水,心想要是我掌握这个技术,是不是可以大赚一笔,从此不再卷程序,做一只躺平的海象!
今天偶然看到一个开源的 Git 项目,主题就是修复老照片,给老照片上色,效果还真不错。
这个项目就是 DeOldify ,在 GitHub 上获得了 15.2k 的小星星,可谓非常火爆了。我甚至在想,那些淘宝店铺的铺主是不是利用这个项目在干活赚钱(疑惑脸)?
作者给我们提供了一个多语言版本的接口,调用这个接口我们可以快速地使用项目的能力,来为老照片着色。
我们先来通过这个简单的接口体验一下项目的强大。
import requests
r = requests.post( "https://api.deepai.org/api/colorizer",
files={ 'image': open('/path/to/your/file.jpg', 'rb'),
},
headers={'api-key': 'quickstart-QUdJIGlzIGNvbWluZy4uLi4K'}
) print(r.json())
运行这段代码前,请将图片路径换成自己本地的老照片路径。
我这里随意使用了一张老照片,原照片是这样的:
运行程序,会在控制台打印一个着色后的照片路径,复制路径到浏览器,我们可以看到着色后的照片:
惊呆了有木有,这效果杠杠滴!
除了获取本地的照片,进行着色,还可以获取网络上的照片。我随意在网络上找了一张黑白照片:
然后使用接口程序:
import requests
r = requests.post( "https://api.deepai.org/api/colorizer",
data={ 'image': 'https://pics0.baidu.com/feed/43a7d933c895d143712f08474bd47c0b5aaf0723.jpeg',
},
headers={'api-key': 'quickstart-QUdJIGlzIGNvbWluZy4uLi4K'}
) print(r.json())
运行程序,静待数秒之后,控制台会打印输出结果:
这脸蛋顿时就红润起来了!但是有些细节还是没处理好。
这里只是介绍了 DeOldify 最简单的使用方法,只需要几行代码,但是 DeOldify 这么受欢迎,绝对不是这么简单,它背后的原理是非常专业,非常复杂的,有兴趣地可以去它的主页研究一下,它还给进阶者提供了三个不同的训练库,可以将它们下载下来,结合源码自己设置参数进行调试。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14