人体解析 ComfyUI 节点开源项目使用教程

人体解析 ComfyUI 节点开源项目使用教程

human-parser-comfyui-node A ComfyUI node to automatically extract masks for body regions and clothing/fashion items. Made with 💚 by the CozyMantis squad. 项目地址: https://gitcode.com/gh_mirrors/hu/human-parser-comfyui-node

1. 项目介绍

本项目是一个基于 ComfyUI 的开源节点，能够自动提取人体部位和服装等时尚元素的遮罩。该节点支持 CPU 和 CUDA，可以高效运行，特别适合对显存有限制的场景。项目基于优秀的论文 "Self-Correction for Human Parsing"，并对其原始代码进行了更新，使其能够在 CPU 上运行。我们通过 CozyMantis 小队的心血结晶，提供了这个易于使用且功能强大的工具。

2. 项目快速启动

在开始之前，请确保您的环境中已经安装了 Python 和 pip。

克隆项目

git clone https://github.com/cozymantis/human-parser-comfyui-node.git
cd human-parser-comfyui-node

安装依赖

pip install -r requirements.txt

模型准备

根据您想要使用的解析器，将相应的模型文件复制到 models/schp 目录中。您可以从以下链接下载模型：

• 基于LIP数据集的模型：Google Drive
• 基于ATR数据集的模型：Google Drive
• 基于Pascal数据集的模型：Google Drive

运行示例

python main.py

3. 应用案例和最佳实践

案例一：人体部位解析

使用 LIP 数据集的模型，可以解析出背景、帽子、头发、手套、太阳镜、上衣、裙子、外套、袜子、裤子、连体衣、围巾、面部、左臂、右臂、左腿、右腿、左鞋和右鞋等类别。

案例二：时尚元素识别

利用 ATR 数据集的模型，可以识别背景、帽子、头发、太阳镜、上衣、裙子、裤子、连衣裙、腰带、左鞋、右鞋、面部、左腿、右腿、左臂、右臂、包和围巾等类别。

案例三：人体部位细分

采用 Pascal 数据集的模型，可以细分出背景、头部、躯干、上臂、下臂、大腿和小腿等部位。

4. 典型生态项目

由于本项目是 ComfyUI 的节点，因此可以与 ComfyUI 的其他节点配合使用，形成完整的工作流，应用于图像处理、计算机视觉和人机交互等多个领域。

以上就是本项目的基本介绍和使用教程，希望对您的开发工作有所帮助。如果您有任何问题或建议，欢迎通过 GitHub 的 Issue Tracker 与我们联系。

human-parser-comfyui-node A ComfyUI node to automatically extract masks for body regions and clothing/fashion items. Made with 💚 by the CozyMantis squad. 项目地址: https://gitcode.com/gh_mirrors/hu/human-parser-comfyui-node