AutoCropImage

美学自动裁切，基于 PyTorch 与人脸检测，支持任意比例裁切。

来源与致谢：本项目在 lih627/autocrop 的基础上改造与工程化，使用方式与示例可参考其 Demo 文档：https://github.com/lih627/autocrop?tab=readme-ov-file#Demo

环境要求

• Python 3.12（Ubuntu 22.04）
• PyTorch 2.5.1（CUDA 12.4）
• GPU 可选；无 GPU 时自动编译 CPU 版本的 C++ 扩展

安装

• 安装 PyTorch（CUDA 12.4）：
  • pip install torch==2.5.1+cu124 torchvision==0.20.1+cu124 --index-url https://download.pytorch.org/whl/cu124
  • CPU 仅需：pip install torch==2.5.1 torchvision==0.20.1
• 编译并安装本项目：
  • python setup.py install
• 额外依赖：
  • pip install opencv-python

提示：setup.py 会根据 torch.cuda.is_available() 自动编译 CUDA/CPU 扩展，源码位于 autocrop/model/roi_align 与 autocrop/model/rod_align。

Docker 部署

• GPU 版本（CUDA 12.4）：
  • docker compose up -d
  • 访问 http://localhost:6000/crop
  • 容器镜像：pytorch/pytorch:2.5.1-cuda12.4-cudnn9-devel
• CPU 版本：
  • docker compose -f docker-compose.cpu.yml up -d
  • 访问 http://localhost:6000/crop
  • 容器镜像：pytorch/pytorch:2.5.1-cpu

说明：启动时会自动将仓库根目录下的 *.pth 权重复制至容器 /root/.cache/torch/hub/checkpoints，并安装依赖与启动 uvicorn。端口映射为宿主机 6000 → 容器 6006（见 docker-compose.yml 与 docker-compose.cpu.yml）。

网络与依赖安装：

• Compose 采用 pip 多镜像级联（清华 → 阿里云 → 豆瓣）安装依赖，避免网络波动。
• 如网络受限，可在仓库根目录创建 wheels/ 并放入所需 .whl 包，Compose 会自动离线安装：pip install --no-index --find-links /wheels -r requirements.txt。
• 大模型权重（Git LFS）：Compose 会在容器内尝试 apt-get install git git-lfs && git lfs pull；如受限，先在宿主机执行 git lfs install && git lfs pull 后再启动。

模型准备（必须）

• 将以下权重文件移动到 /root/.cache/torch/hub/checkpoints：
  • WIDERFace_DSFD_RES152.pth（人脸检测模型）
  • mobilenet_0.625_... .pth（裁切评分模型）
  • shufflenet_0.615_... .pth（裁切评分模型）
• 示例命令：
  • sudo mkdir -p /root/.cache/torch/hub/checkpoints
  • sudo cp WIDERFace_DSFD_RES152.pth /root/.cache/torch/hub/checkpoints/
  • sudo cp mobilenet_*.pth /root/.cache/torch/hub/checkpoints/
  • sudo cp shufflenet_*.pth /root/.cache/torch/hub/checkpoints/

说明：裁剪模型通过 torch.hub.load_state_dict_from_url 自动使用该缓存目录（见 autocrop/model/cropping_model.py:117-131）；提前放置权重可避免在线下载与网络依赖。

快速上手

• Python 调用：

  • from autocrop import cropper
  • autocropper = cropper.AutoCropper(model='mobilenetv2', cuda=True, use_face_detector=True)
  • 读入 BGR 图并转 RGB 后，调用 autocropper.crop(...) 即可返回 [xmin, ymin, xmax, ymax]

• API 服务：

  • python apiServer.py
  • POST /crop，参数：image_base64、ratio（如 16:9、1:1 或 circular）

示例接口实现参考 apiServer.py:105-200；裁剪核心逻辑见 autocrop/cropper.py:124-169。

依赖与编译说明

• 运行依赖（见 setup.py:90-96 与 environment.yml）：
  • torch、torchvision、numpy、opencv-python、face-detection
  • API：fastapi、uvicorn、pydantic
• 编译要求：
  • CPU：需要 C++ 编译环境（gcc/clang）
  • GPU：需要 CUDA 12.4（nvcc、CUDA_HOME），自动构建 roi_align_api 与 rod_align_api

目录结构

• autocrop/ 核心库与模型、算子实现
• apiServer.py FastAPI 服务端示例
• anyratio.py、cropImage.py 简单脚本示例
• setup.py 构建与依赖声明

许可

• 参考与复现自 GAIC 与 DSFD，上游许可请见其仓库。