Trải nghiệm khi dùng HivisionIDPhotos
Sau khi cài xong và chạy app.py (hoặc chạy bằng Docker), một trang web cục bộ mở ra để bạn làm ảnh. Bạn tải lên ảnh chân dung chụp thẳng mặt, chọn kích thước ảnh thẻ, chọn màu nền như xanh hoặc đỏ hoặc trắng, rồi bấm tạo. Công cụ tự tìm khuôn mặt, tách người khỏi nền, đổi màu nền và cắt cho đúng tỉ lệ.
README còn nói đến các tính năng như nhập màu nền bằng mã HEX, kích thước tuỳ chỉnh theo milimét, căn chỉnh xoay mặt, làm đẹp cơ bản qua API, và tab bố cục in với các khổ giấy như 6 inch, 5 inch, A4, 3R, 4R kèm đường cắt. Ảnh tải về mặc định hỗ trợ 300 DPI.
Điểm hay là phần tách người nhẹ, chạy được chỉ bằng CPU: README đo trên một máy Mac M1 Max cho thấy mô hình MODNet kết hợp phát hiện mặt MTCNN xử lý mỗi ảnh trong chưa đầy một giây. Nếu cần tách chính xác hơn có thể đổi sang mô hình lớn hơn, đổi lại tốn bộ nhớ và chậm hơn nhiều.
Tính năng nổi bật
Từ ảnh thường ra ảnh thẻ
Tự phát hiện mặt, tách nền và cắt ảnh theo kích thước chuẩn bạn chọn.
Đổi màu nền
Chọn màu có sẵn hoặc nhập mã HEX để có nền xanh, đỏ, trắng hoặc màu tuỳ ý.
Xếp ảnh in sẵn
Tạo bản bố cục nhiều ảnh trên khổ giấy 6 inch, 5 inch, A4, 3R, 4R để mang đi in.
Chạy offline bằng CPU
Mô hình tách người nhẹ, không cần card đồ hoạ rời; có tuỳ chọn GPU cho mô hình lớn hơn.
Giao diện web và API
Có giao diện Gradio để dùng trực tiếp, và dịch vụ API để tích hợp vào ứng dụng khác.
Nhiều cách chạy
Chạy bằng Python, dòng lệnh hoặc Docker; cộng đồng còn có bản Windows GUI và các mini app.
Tận dụng HivisionIDPhotos vào việc gì?
Mọi người, gia đình
Làm ảnh thẻ khẩn cấp tại nhà
Có ảnh nền chuẩn từ ảnh chụp bằng điện thoại để thử, rồi xác nhận lại yêu cầu của nơi nộp hồ sơ.
Nhân sự, trường học, trung tâm
Chuẩn bị ảnh hồ sơ hàng loạt
Chạy qua nhiều ảnh nhân viên hoặc học viên theo cùng kích thước và màu nền cho đồng bộ.
Tiệm photo, chủ cửa hàng nhỏ
Cung cấp dịch vụ in ảnh thẻ nhỏ
Cài trên máy cửa hàng để tạo bản xếp in nhanh cho khách.
Lập trình viên
Học cách ghép quy trình xử lý ảnh
Dùng API và mô hình tách nền sẵn có làm nền cho ứng dụng ảnh thẻ riêng.
Cần chuẩn bị gì?
- Python 3.7 trở lên (README ghi dự án chủ yếu được thử trên Python 3.10); hệ điều hành Linux, Windows hoặc macOS.
- CPU là đủ cho mô hình MODNet mặc định; mô hình birefnet-v1-lite cần nhiều RAM hơn và README nói muốn tăng tốc bằng GPU NVIDIA cần khoảng 16 GB VRAM.
- Tải trọng số mô hình tách người về thư mục weights; mô hình MODNet nặng khoảng 25 MB theo README.
- Hoặc dùng Docker nếu không muốn tự cài Python.
Hướng dẫn cài đặt chi tiết
Cài trên Python
Cài Python và git, nên tạo môi trường conda Python 3.10 riêng. Tải mã nguồn về.
git clone https://github.com/Zeyi-Lin/HivisionIDPhotos.git cd HivisionIDPhotosCài các gói phụ thuộc.
pip install -r requirements.txt pip install -r requirements-app.txtTải trọng số mô hình tách người; có thể chạy script có sẵn để tải tất cả.
python scripts/download_model.py --models allChạy giao diện web. Một trang cục bộ sẽ hiện, mở địa chỉ hiển thị trong Terminal.
python app.py
Cài trên Docker
Cài Docker rồi kéo ảnh container dựng sẵn của dự án.
docker pull linzeyi/hivision_idphotosChạy giao diện web; sau đó mở http://127.0.0.1:7860 trong trình duyệt.
docker run -d -p 7860:7860 linzeyi/hivision_idphotosMuốn chạy dịch vụ API thay vì giao diện, README dùng lệnh sau và mở cổng 8080.
docker run -d -p 8080:8080 linzeyi/hivision_idphotos python3 deploy_api.py
Dùng thử lần đầu
Mở trang cục bộ vừa chạy và tải lên ảnh chân dung chụp thẳng mặt, đủ sáng, nền không quá rối.
Chọn kích thước ảnh thẻ và màu nền mong muốn rồi bấm tạo ảnh.
Xem kết quả, nếu cần thì chỉnh tuỳ chọn như xoay căn mặt hoặc đổi màu nền bằng mã HEX.
Vào tab bố cục in để chọn khổ giấy, tải về bản xếp nhiều ảnh để mang đi in. Hoặc thử bằng dòng lệnh.
python inference.py -i demo/images/test0.jpg -o ./idphoto.png --height 413 --width 295
Mẹo dùng hay
- Chụp ảnh nguồn thẳng mặt, đủ sáng và lộ rõ vai; ảnh nguồn càng tốt thì kết quả tách nền càng sạch.
- Có RAM từ 16 GB trở lên có thể thử chế độ beast trong biến môi trường RUN_MODE để giữ mô hình trong bộ nhớ và chạy lần sau nhanh hơn, theo README.
- Mô hình tách người nhẹ cho tốc độ nhanh nhưng viền thô hơn; mô hình lớn hơn như birefnet-v1-lite chính xác hơn nhưng tốn nhiều RAM.
Lưu ý và hạn chế
- Ảnh thẻ cho hộ chiếu, căn cước hay hồ sơ nhà nước thường có quy định riêng về kích thước, nền, biểu cảm và cấm chỉnh sửa; hãy kiểm tra yêu cầu của cơ quan nhận trước khi in. Không dùng công cụ để làm giả giấy tờ hay mạo danh người khác.
- Tính năng làm đẹp qua API có thể làm khuôn mặt khác thật; nếu cần ảnh trung thực thì không bật.
- README và hướng dẫn chủ yếu bằng tiếng Trung nên người dùng Việt có thể cần dịch; giao diện hỗ trợ đổi ngôn ngữ qua biến môi trường DEFAULT_LANG.
Câu hỏi thường gặp
Có miễn phí và chạy offline được không?
Có. Mã nguồn dùng giấy phép Apache 2.0, và README nói phần tách người có thể chạy hoàn toàn offline. Chỉ cần Internet khi tải mô hình ban đầu.
Máy không có card đồ hoạ có chạy được không?
Được. Mô hình mặc định chạy bằng CPU. GPU chỉ cần nếu bạn muốn tăng tốc mô hình lớn birefnet-v1-lite.
Ảnh tôi tải lên có bị gửi đi không?
Khi chạy cục bộ hoặc bằng Docker trên máy bạn thì ảnh được xử lý tại đó. Một tuỳ chọn phát hiện mặt trực tuyến Face++ là dịch vụ ngoài, chỉ dùng nếu bạn tự cấu hình.
Tải mã nguồn về máy
Nếu bạn muốn xem hoặc sửa mã nguồn, mở Terminal (trên Windows là PowerShell) và chạy lệnh dưới. Máy cần cài sẵn Git.
git clone https://github.com/Zeyi-Lin/HivisionIDPhotos.gitRepo tương tự nên xem
rembg
danielgatis / rembg
Xoá nền ảnh tự động bằng một lệnh: ra ảnh PNG nền trong suốt, chạy trên máy bạn
SAM 2 (Segment Anything Model 2)
facebookresearch / sam2
Mô hình của Meta tự khoanh vùng mọi vật trong ảnh và theo dõi chúng xuyên suốt video
CodeFormer
sczhou / CodeFormer
AI khôi phục khuôn mặt trong ảnh cũ, mờ, hỏng hoặc ảnh do AI tạo, giấy phép chỉ phi thương mại