الصفحة الرئيسية>المتعلقة بالبرمجة>شفرة المصدر الأخرى
تنزيل
InterVL

عائلة InternVL: سد الفجوة أمام النماذج التجارية متعددة الوسائط بأجنحة مفتوحة المصدر —— بديل رائد مفتوح المصدر لـ GPT-4o

379689418-930e6814-8a9f-43e1-a284-118a5732daa4.png

1730545950913244.png

أخبار

  • 2024/10/21 : نصدر سلسلة Mini-InternVL. تحقق هذه الطرازات أداءً رائعًا مع حجم صغير: يحقق الطراز 4B 90% من الأداء مع 5% فقط من حجم النموذج. لمزيد من التفاصيل، يرجى مراجعة صفحة المشروع والوثيقة.

  • 2024/08/01 : قام فريق Chartmimic بتقييم نماذج سلسلة InternVL2 وفقًا للمعايير الخاصة بهم. حقق طرازا InternVL2-26B و76B أفضل أداءين بين النماذج مفتوحة المصدر، حيث تجاوز نموذج InternVL2 76B GeminiProVision وأظهر نتائج مماثلة لـ Claude-3-opus.

  • 2024/08/01 : حقق InternVL2-Pro أداء SOTA بين النماذج مفتوحة المصدر في مجموعة بيانات CharXiv، متجاوزًا العديد من النماذج مغلقة المصدر مثل GPT-4V وGemini 1.5 Flash وClaude 3 Sonnet.

  • 2024/07/24 : قام فريق MLVU بتقييم InternVL-1.5 وفقًا لمعيارهم القياسي. وبلغ متوسط ​​الأداء في مهمة الاختيار من متعدد 50.4%، بينما بلغ الأداء في المهام التوليدية 4.02. احتل الأداء في مهمة الاختيار من متعدد المرتبة الأولى بين جميع MLLMs مفتوحة المصدر.

  • 2024/07/18 : ؟؟ حقق InternVL2-40B أداء SOTA بين النماذج مفتوحة المصدر في مجموعة بيانات Video-MME، حيث سجل 61.2 عند إدخال 16 إطارًا و64.4 عند إدخال 32 إطارًا. إنه يتفوق بشكل كبير على النماذج مفتوحة المصدر الأخرى وهو أقرب نموذج مفتوح المصدر إلى GPT-4o mini.

  • 2024/07/18 : ؟ حقق InternVL2-Pro أداء SOTA وفقًا لمعايير DocVQA وInfoVQA.

  • 2024/07/04 : ؟ قمنا بإصدار سلسلة InternVL2. حقق InternVL2-Pro دقة بنسبة 62.0% وفقًا لمعيار MMMU، مما يتوافق مع أداء النماذج التجارية الرائدة مغلقة المصدر مثل GPT-4o. يمكن تطبيق واجهة برمجة التطبيقات المجانية لهذا النموذج عن طريق ملء (نموذج الطلب) / (申请表). نماذج أخرى متوفرة في رابط HF.

  • 2024/06/19 : نقترح "إبرة في كومة قش متعددة الوسائط" (MM-NIAH)، وهو المعيار الأول المصمم لتقييم قدرة MLLMs الحالية على فهم المستندات الطويلة متعددة الوسائط بشكل منهجي.

  • 2024/05/30 : أطلقنا ShareGPT-4o، وهي مجموعة بيانات واسعة النطاق نخطط لفتحها مع 200 ألف صورة و10 آلاف مقطع فيديو و10 آلاف صوت مع أوصاف تفصيلية.

  • 2024/05/28 : شكرًا لفريق lmdeploy على تقديم دعم تكميم AWQ. يتوفر نموذج 4 بت في OpenGVLab/InternVL-Chat-V1-5-AWQ.

  • 2024/05/13 : يمكن الآن استخدام InternVL 1.0 كمشفر نص لنماذج الانتشار لدعم الإنشاء متعدد اللغات محليًا بأكثر من 110 لغة حول العالم. انظر مولان لمزيد من التفاصيل.

  • 2024/04/18 : تم إصدار InternVL-Chat-V1-5 على رابط HF، مما يقترب من أداء GPT-4V وGemini Pro على معايير مختلفة مثل MMMU وDocVQA وChartQA وMathVista وما إلى ذلك.

  • 2024/02/27 : تم قبول InternVL بواسطة CVPR 2024 (عن طريق الفم)! ؟

  • 2024/02/21 : حقق InternVL-Chat-V1-2-Plus أداء SOTA على MathVista (59.9)، وMMBench (83.8)، وMMVP (58.7). انظر مدونتنا لمزيد من التفاصيل.

  • 2024/02/12 : تم إصدار InternVL-Chat-V1-2. لقد حقق 51.6 في اختبار MMMU و 82.3 في اختبار MMBench. لمزيد من التفاصيل، يرجى الرجوع إلى مدونتنا وبيانات SFT. النموذج متاح الآن على HuggingFace، وكل من بيانات التدريب/التقييم والبرامج النصية مفتوحة المصدر.

  • 2024/01/24 : تم إصدار InternVL-Chat-V1-1، وهو يدعم اللغة الصينية ويتمتع بقدرة أقوى على التعرف الضوئي على الحروف، انظر هنا.

  • 2024/01/16 : قمنا بإصدار كود mmcv/mmsegmentation/mmdetection المخصص الخاص بنا، والمتكامل مع DeepSpeed، والذي يمكن استخدامه لتدريب نماذج الكشف والتجزئة واسعة النطاق.

قائمة المهام

  • دعم vLLM وOllama

  • إعادة بناء المستندات باستخدام readthedocs

  • دعم ضبط LLMs المختلفة باستخدام LoRA

  • دعم إدخال الفيديو وPDF في العرض التوضيحي عبر الإنترنت

  • قم بإصدار InternVL2 مع تكامل VisionLLMv2

  • requirements.txt الإصدار.txt لـ InternVL2

  • إطلاق كود التدريب/التقييم لسلسلة InternVL2

  • إطلاق واجهة مستخدم الويب Streamlit لـ InternVL1.5 وInternVL2

وثائق

  • ابدأ

    • التثبيت: [البيئة] [requirements.txt]

    • إعداد بيانات التقييم: [تقييم InternVL]

    • تنسيق بيانات الدردشة: [ملف التعريف] [نص خالص] [صورة واحدة] [صور متعددة] [فيديو]

    • واجهة برمجة تطبيقات InternVL-Chat: [InternVL2-Pro]

    • العرض التجريبي للدردشة المحلية: [عرض متدفق] [عرض Gradio التجريبي] [LMDeploy Demo]

    • البرامج التعليمية: [تعزيز InternVL2 على التسمية التوضيحية لـ COCO باستخدام الضبط الدقيق لـ LoRA]

  • عائلة InterVL

    • InternVL 2.0: [مقدمة] [البدء السريع] [الضبط الدقيق] [التقييم] [النشر]

    • InternVL 1.5: [مقدمة] [البدء السريع] [الضبط الدقيق] [التقييم] [النشر]

    • InternVL 1.2: [مقدمة] [بداية سريعة] [الضبط الدقيق] [التقييم]

    • InternVL 1.1: [مقدمة] [بداية سريعة] [تقييم]

    • InternVL 1.0: [التصنيف] [CLIP-Benchmark] [التجزئة] [InternVL-Chat-LLaVA] [InternVL-G]

بالمقارنة مع SOTA VLLMs

1730545963285305.png

حديقة الحيوان النموذجية

نموذج لغة كبير متعدد الوسائط (InternVL 2.0)

اسم النموذج جزء الرؤية جزء اللغة رابط اتش اف رابط ام اس وثيقة
إنترنVL2-1B إنترنفيت-300M-448px Qwen2-0.5B-إرشاد ؟ وصلة ؟ وصلة ؟ وثيقة
إنترنVL2‑2B إنترنفيت-300M-448px interlm2-chat-1-8b ؟ وصلة ؟ وصلة ؟ وثيقة
إنترنVL2‑4B إنترنفيت-300M-448px Phi-3-mini-128k-instruct ؟ وصلة ؟ وصلة ؟ وثيقة
إنترنVL2‑8B إنترنفيت-300M-448px interlm2_5‑7b-دردشة ؟ وصلة ؟ وصلة ؟ وثيقة
إنترنVL2‑26B إنترنفيت-6B-448px-V1-5 interlm2-chat-20b ؟ وصلة ؟ وصلة ؟ وثيقة
إنترنVL2‑40B إنترنفيت-6B-448px-V1-5 نوس-هيرميس-2-يي-34B ؟ وصلة ؟ وصلة ؟ وثيقة
إنترنVL2-Llama3-76B إنترنفيت-6B-448px-V1-5 هيرميس-2-ثيتا-
اللاما-3-70ب		 ؟ وصلة ؟ وصلة ؟ وثيقة

واجهة برمجة تطبيقات InterVL2-Pro

نرحب بالجميع لاستخدام واجهة برمجة التطبيقات (API) الخاصة بنا للبحث. لإدارة أفضل، يرجى إرسال (نموذج الطلب) / (申请表) للحصول على وصول مجاني لواجهة برمجة التطبيقات (API).

نموذج لغة كبير متعدد الوسائط (InternVL 1.0-1.5)

نموذج تاريخ رابط اتش اف رابط ام اس ملحوظة
Mini‑InternVL‑Chat‑4B‑V1‑5 2024.05.28 ؟ وصلة ؟ وصلة ؟؟ 16% من حجم النموذج، 90% من الأداء
Mini‑InternVL‑Chat‑2B‑V1‑5 19.05.2024 ؟ وصلة ؟ وصلة ؟ 8% من حجم النموذج، 80% من الأداء
InterVL-الدردشة-V1-5 2024.04.18 ؟ وصلة ؟ وصلة دعم صورة 4K. التعرف الضوئي على الحروف القوي للغاية؛ الاقتراب من أداء GPT-4V وGemini Pro وفقًا لمعايير مختلفة مثل MMMU وDocVQA وChartQA وMathVista وما إلى ذلك.
InterVL-Chat-V1-2-Plus 2024.02.21 ؟ وصلة ؟ وصلة المزيد من بيانات SFT وأقوى
InterVL-Chat-V1-2 2024.02.11 ؟ وصلة ؟ وصلة رفع مستوى LLM إلى 34B
InterVL-Chat-V1-1 2024.01.24 ؟ وصلة ؟ وصلة دعم التعرف الضوئي على الحروف الصيني والأقوى
InterVL-Chat-19B 2023.12.25 ؟ وصلة ؟ وصلة حوار متعدد الوسائط باللغة الإنجليزية
InterVL-Chat-13B 2023.12.25 ؟ وصلة ؟ وصلة حوار متعدد الوسائط باللغة الإنجليزية

نموذج مؤسسة الرؤية (InternVL 1.0-1.5)

نموذج تاريخ رابط اتش اف رابط ام اس ملحوظة
إنترنفيت-300M-448px 2024.05.25 ؟ وصلة ؟ وصلة نموذج أساس الرؤية الصغيرة المقطرة بمعلمات 300 مليون (؟ جديد)
إنترنفيت-6B-448px-V1-5 2024.04.20 ؟ وصلة ؟ وصلة دعم الدقة الديناميكية وإمكانية استخراج ميزات التعرف الضوئي على الحروف (OCR) القوية للغاية من خلال التدريب المسبق المتزايد (؟ الجديد)
إنترنفيت-6B-448px-V1-2 2024.02.11 ؟ وصلة ؟ وصلة دعم دقة 448 عن طريق التدريب المسبق الإضافي
إنترنفيت-6B-448px-V1-0 30.01.2024 ؟ وصلة ؟ وصلة دعم دقة 448 عن طريق التدريب المسبق الإضافي
إنترفينيت-6B-224px 2023.12.22 ؟ وصلة ؟ وصلة الإصدار الأول من InternViT-6B، المستخرج من InternVL‑14B‑224px

نموذج مؤسسة الرؤية واللغة (InternVL 1.0)

نموذج تاريخ رابط اتش اف رابط ام اس ملحوظة
إنترنVL-14B-224px 2023.12.22 ؟ وصلة ؟ وصلة يمكن استخدام النموذج الأساسي للغة الرؤية، InternViT-6B + QLLaMA، لاسترجاع نص الصورة مثل CLIP

ماذا يمكن أن تفعل InterVL؟

الإدراك البصري (انقر للتوسيع)

  • تصنيف صور المسبار الخطي [انظر التفاصيل]

    يستخدم ViT-22B مجموعة بيانات JFT-3B الخاصة.

    طريقة #param في-1K في ريال في-V2 في-أ في-R في الرسم
    أوبينكليب-G 1.8 ب 86.2 89.4 77.2 63.8 87.8 66.4
    دينوv2-ز 1.1 ب 86.5 89.6 78.4 75.9 78.8 62.5
    إيفا-01-كليب-ز 1.1 ب 86.5 89.3 77.4 70.5 87.7 63.1
    ماس-فيت-6.5ب 6.5 ب 87.8 - - - - -
    فيتامين-22ب* 21.7 ب 89.5 90.9 83.2 83.8 87.4 -
    إنترنفيت-6B (لنا) 5.9 ب 88.2 90.4 79.9 77.5 89.8 69.1

  • التجزئة الدلالية [انظر التفاصيل]

    طريقة فك التشفير #param (القطار/الإجمالي) حجم المحاصيل mIoU
    OpenCLIP-G (مجمد) خطي 0.3 م/1.8 ب 512 39.3
    ViT-22B (مجمد) خطي 0.9 م / 21.7 ب 504 34.6
    إنترنفيت-6B (مجمد) خطي 0.5 م / 5.9 ب 504 47.2 (+12.6)
    ViT-22B (مجمد) أوبر نت 0.8 ب / 22.5 ب 504 52.7
    إنترنفيت-6B (مجمد) أوبر نت 0.4 ب / 6.3 ب 504 54.9 (+2.2)
    فيت-22ب أوبر نت 22.5 ب / 22.5 ب 504 55.3
    إنترفيت-6B أوبر نت 6.3 ب / 6.3 ب 504 58.9 (+3.6)

  • تصنيف الصور بدون لقطة (انظر التفاصيل)

    طريقة في-1K في-أ في-R في-V2 في الرسم كائن نت
    أوبينكليب-G 80.1 69.3 92.1 73.6 68.9 73.0
    إيفا-02-كليب-E+ 82.0 82.1 94.5 75.7 71.6 79.6
    فيتامين-22ب* 85.9 90.1 96.0 80.9 - 87.6
    InterVL-C (لنا) 83.2 83.8 95.5 77.3 73.9 80.6

  • تصنيف الصور Zero-Shot متعدد اللغات [انظر التفاصيل]

    EN: الإنجليزية، ZH: الصينية، JP: اليابانية، Ar: العربية، IT: الإيطالية

    طريقة IN-1K (EN) IN-1K (ZH) IN-1K (JP) IN-1K (AR) IN-1K (إيطاليا)
    تايي-CLIP-ViT-H - 54.4 - - -
    وو كونغ-فيت-إل جي - 57.5 - - -
    CN-CLIP-ViT-H - 59.6 - - -
    البديلCLIP-ViT-L 74.5 59.6 - - -
    إيفا-02-كليب-E+ 82.0 - - - 41.2
    أوبينكليب-XLM-RH 77.0 55.7 53.1 37.0 56.8
    InterVL-C (لنا) 83.2 64.5 61.5 44.9 65.7

  • تصنيف الفيديو Zero-Shot

    طريقة #إطار ك 400 K600 K700
    أوبينكليب-G 1 65.9 66.1 59.2
    إيفا-02-كليب-E+ 1 69.8 69.3 63.4
    InterVL-C (لنا) 1 71.0 71.3 65.7
    ViCLIP 8 75.7 73.5 66.4
    InterVL-C (لنا) 8 79.4 78.8 71.5
الاسترداد عبر الوسائط (انقر للتوسيع)

  • الإنجليزية Zero-Shot Image-Text Retrieval (انظر التفاصيل)

    نموذج فليكر30ك كوكو متوسط
    صورة إلى نص تحويل النص إلى صورة صورة إلى نص تحويل النص إلى صورة
    ص @ 1 ص @ 5 ص @ 10 ص @ 1 ص @ 5 ص @ 10 ص @ 1 ص @ 5 ص @ 10 ص @ 1 ص @ 5 ص @ 10
    أوبينكليب-G 92.9 99.3 99.8 79.5 95.0 97.1 67.3 86.9 92.6 51.4 74.9 83.0 85.0
    إيفا-02-كليب-E+ 93.9 99.4 99.8 78.8 94.2 96.8 68.8 87.8 92.8 51.1 75.0 82.7 85.1
    إيفا-كليب-8B 95.6 99.6 99.9 80.8 95.5 97.6 70.3 89.3 93.9 53.0 76.0 83.4 86.2
    InterVL-C (لنا) 94.7 99.6 99.9 81.7 96.0 98.2 70.6 89.0 93.5 54.1 77.3 84.6 86.6
    InterVL-G (لنا) 95.7 99.7 99.9 85.0 97.0 98.6 74.9 91.3 95.2 58.6 81.3 88.0 88.8

  • استرجاع النص والصور بدون لقطة صينية [انظر التفاصيل]

    نموذج فليكر30K-CN كوكو-CN متوسط
    صورة إلى نص تحويل النص إلى صورة صورة إلى نص تحويل النص إلى صورة
    ص @ 1 ص @ 5 ص @ 10 ص @ 1 ص @ 5 ص @ 10 ص @ 1 ص @ 5 ص @ 10 ص @ 1 ص @ 5 ص @ 10
    CN-CLIP-ViT-H 81.6 97.5 98.8 71.2 91.4 95.5 63.0 86.6 92.9 69.2 89.9 96.1 86.1
    أوبينكليب-XLM-RH 86.1 97.5 99.2 71.0 90.5 94.9 70.0 91.5 97.0 66.1 90.8 96.0 87.6
    InterVL-C (لنا) 90.3 98.8 99.7 75.1 92.9 96.4 68.8 92.0 96.7 68.9 91.9 96.5 89.0
    InterVL-G (لنا) 92.9 99.4 99.8 77.7 94.8 97.3 71.4 93.9 97.7 73.8 94.4 98.1 90.9

  • استرجاع النص والصور بدون لقطة متعددة اللغات على XTD [انظر التفاصيل]

    طريقة إن إس الاب ز هو - هي كو رو جي بي متوسط
    AltCLIP 95.4 94.1 92.9 95.1 94.2 94.4 91.8 91.7 93.7
    أوبينكليب-XLM-RH 97.3 96.1 94.5 94.7 96.0 90.2 93.9 94.0 94.6
    InterVL-C (لنا) 97.3 95.7 95.1 95.6 96.0 92.2 93.3 95.5 95.1
    InterVL-G (لنا) 98.6 97.7 96.5 96.7 96.9 95.1 94.8 96.1 96.6
الحوار المتعدد الوسائط

راجع قسم "المقارنة مع SOTA VLLMs".

بداية سريعة مع HuggingFace

استخدام InternViT-6B لاستخراج الميزات المرئية (انقر للتوسيع)
 استيراد الشعلة من PIL استيراد الصورة من المحولات import AutoModel, CLIPImageProcessormodel = AutoModel.from_pretrained('OpenGVLab/InternViT-6B-448px-V1-5',torch_dtype=torch.bfloat16,low_cpu_mem_usage=True,trust_remote_code=True).cuda().eval( )image = Image.open('./examples/image1.jpg').convert('RGB')image_processor = CLIPImageProcessor.from_pretrained('OpenGVLab/InternViT-6B-448px-V1-5')pixel_values ​​= image_processor(images= الصورة، return_tensors='pt').pixel_valuespixel_values ​​= Pixel_values.to(torch.bfloat16).cuda()outputs = model(pixel_values)
استخدام InternVL-C(ontrastive) وInternVL-G(enerative) للاسترجاع عبر الوسائط (انقر للتوسيع)
 استيراد الشعلة من PIL استيراد الصورة من المحولات استيراد AutoModel، CLIPImageProcessor من المحولات import AutoTokenizermodel = AutoModel.from_pretrained('OpenGVLab/InternVL-14B-224px',torch_dtype=torch.bfloat16,low_cpu_mem_usage=True,trust_remote_code=True).cuda().eval() image_processor = CLIPImageProcessor.from_pretrained('OpenGVLab/InternVL-14B-224px')tokenizer = AutoTokenizer.from_pretrained('OpenGVLab/InternVL-14B-224px', use_fast=False, add_eos_token=True)tokenizer.pad_token_id = 0 # تعيين Pad_token_id إلى 0صور = [Image.open('./examples/image1.jpg').convert('RGB'),Image.open('./examples/image2.jpg').convert('RGB'),Image.open( './examples/image3.jpg').تحويل('RGB')
]prefix = 'summarize:'texts = [prefix + 'a photo of red panda', # Englishprefix + '一张熊猫的照片', # Chineseprefix + '二匹の猫の写真' # اليابانية]pixel_values ​​= image_processor( الصور=صور، return_tensors='pt').pixel_valuespixel_values ​​= Pixel_values.to(torch.bfloat16).cuda()input_ids = tokenizer(texts, return_tensors='pt', max_length=80, اقتطاع=True, الحشو='max_length' ).input_ids.cuda()# InternVL-Clogits_per_image, logits_per_text = model(image=pixel_values, text=input_ids, mode='InternVL-C')probs = logits_per_image.softmax(dim=-1)# Tensor([[9.9609e) -01, 5.2185e-03, 6.0070e-08],# [2.2949e-02, 9.7656e-01, 5.9903e-06],# [3.2932e-06, 7.4863e-05, 1.0000e+00]] , devices='cuda:0',# dtype=torch.bfloat16, grad_fn=)# InternVL-Glogits_per_image, logits_per_text = model(image=pixel_values, text=input_ids, mode='InternVL-G')probs = logits_per_image .softmax(dim=-1)# Tensor([[9.9609e-01, 3.1738e-03, 3.6322e-08],# [8.6060e-03, 9.9219e-01, 2.8759e-06],# [1.7583 e-06, 3.1233e-05, 1.0000e+00]], devices='cuda:0',# dtype=torch.bfloat16, grad_fn=)# يرجى تعيين add_eos_token على False لـ Generationtokenizer.add_eos_token = Falseimage = Image.open('./examples/image1.jpg').convert('RGB')pixel_values ​​= image_processor(images=image, return_tensors='pt').pixel_valuespixel_values ​​= Pixel_values.to(torch.bfloat16).cuda() tokenized = tokenizer("English caption:"، return_tensors='pt')pred = model.generate(pixel_values=pixel_values,input_ids=tokenized.input_ids.cuda(),attention_mask=tokenized.attention_mask.cuda(),num_beams=5, min_new_tokens=8،
)caption = tokenizer.decode(pred[0].cpu(), Skip_special_tokens=True).strip()# تسمية توضيحية باللغة الإنجليزية: باندا حمراء تجلس فوق منصة خشبية
استخدام InternVL-Chat للدردشة متعددة الوسائط (انقر للتوسيع)

هنا، نأخذ OpenGVLab/InternVL2-8B الأصغر كمثال:

 استيراد numpy كـ npimport torchimport torchvision.transforms كـ Tfrom Decord import VideoReader, cpufrom PIL import Imagefrom torchvision.transforms.functional import InterpolationModefrom المحولات import AutoModel, AutoTokenizerIMAGENET_MEAN = (0.485, 0.456, 0.406)IMAGENET_STD = (0.229, 0.224, 0.225 )تعريف build_transform( input_size):MEAN, STD = IMAGENET_MEAN, IMAGENET_STDtransform = T.Compose([T.Lambda(lambda img: img.convert('RGB') if img.mode != 'RGB' else img),T.Resize((input_size ، input_size)، الاستيفاء = InterpolationMode.BICUBIC)،T.ToTensor()،T.Normalize(mean=MEAN, std=STD)
    ])return Transformdef find_Closest_aspect_ratio(نسبة العرض إلى الارتفاع، نسبة_الارتفاع، العرض، الارتفاع، حجم_الصورة):best_ratio_diff = float('inf')best_ratio = (1, 1)المساحة = العرض * الارتفاع للنسبة في target_ratios:target_aspect_ratio = نسبة[0] / نسبة[ 1]ratio_diff = abs(نسبة_الارتفاع - نسبة_الارتفاع_الهدف)if نسبة_diff < best_ratio_diff:best_ratio_diff = نسبة_diffbest_ratio = نسبة إليف نسبة_diff == best_ratio_diff:if منطقة > 0.5 * image_size * image_size * نسبة[0] * نسبة[1]:best_ratio = نسبة العائد best_ratiodefdynamic_preprocess( image, min_num=1, max_num=12, image_size=448, use_thumbnail=False):orig_width, orig_height = image.sizeaspect_ratio = orig_width / orig_height# احسب نسبة أبعاد الصورة الحاليةtarget_ratios = set(
        (i، j) لـ n في النطاق (min_num، max_num + 1) لـ i في النطاق (1، n + 1) لـ j في النطاق (1، n + 1) ifi * j <= max_num و i * j >= min_num)target_ratios =sorted(target_ratios, key=lambda x: x[0] * x[1])# ابحث عن أقرب نسبة عرض إلى ارتفاع للهدفtarget_aspect_ratio = find_Closest_aspect_ratio(aspect_ratio, target_ratios, orig_width, orig_height, image_size)# احسب عرض الهدف و heighttarget_width = image_size * target_aspect_ratio[0]target_height = image_size * target_aspect_ratio[1]blocks = target_aspect_ratio[0] * target_aspect_ratio[1]# resize the imageresize_img = image.resize((target_width, target_height))processed_images = []for i in النطاق (الكتل): المربع = (
            (i٪ (target_width // image_size)) * image_size،
            (i // (target_width // image_size)) * image_size،
            ((i % (target_width // image_size)) + 1) * image_size,
            ((i // (target_width // image_size)) + 1) * image_size)# تقسيم الصورplit_img = resize_img.crop(box)processed_images.append(split_img)assert
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل
تعليقات المستخدمين