Введение
отрезатьЭто физическая активность.
отрезатьСложнее всего справиться с волосами.
Вы когда-нибудь задумывались об этом, однажды алгоритм поможет вам напрямуюавтоматическое отключение? Тот, который подходит для волос!
Сегментация волос не проблема!
свежий и горячийImage MattingАлгоритмы, вы это заслужили.
Старые правила и сегодня продолжают учить на практике.
Принцип алгоритма, построение среды, реализация эффекта,Поезда, все ниже!
2. Коврики для животных
Суть проблемы матирования заключается в точной оценке переднего плана на изображении или видео, что имеет большое значение для редактирования изображений, редактирования фильмов и т. д.
Последняя опубликованная статья «Сквозное матирование изображений животных»,просто нужна картинка, без каких-либо предварительных знаний можно добиться сквозного матирования, эффектавеликолепно.
В статье предлагается матирующая модель под названием GFM, которая одновременно генерирует глобальную семантическую сегментацию и локальные альфа-маски.
В то же время, бумага также является открытым исходным кодомПервыйРазработан набор данных AM-2k для кодирования изображений естественных животных и метод синтетических данных RSSN на основе набора фоновых данных высокого разрешения BG-20k.
Структура сети GFM выглядит следующим образом:
Сетевая структура: это структура кодека, и кодер совместно используется двумя параллельными декодерами.
Общий кодировщик: ResNet-34 или DenseNet-121, предварительно обученный на ImageNet в качестве кодировщика.
Декодер взгляда (GD): для изучения семантической информации высокого уровня. После четвертого модуля кодировщика добавляется модуль пирамидного пула (PPM) для вывода глобального контекста, который используется в GD.
Декодер фокуса (FD): используется для извлечения деталей в элементах с низкой структурой. После четвертого модуля кодировщика добавляется модуль-мост (BB) для конвергенции локальных контекстов в разных доменах. В сочетании с U-net FD подключается к соответствующему модулю энкодера с помощью пропускного соединения для обучения FD.
Наконец, выходные данные GD и FD объединяются с разными областями представления.
GFM-TT: тримап Т с расширением и эрозией 3-х классов с реальной альфа-маской в качестве контрольного сигнала GD и альфа-маской неизвестного переходного домена в качестве контрольного сигнала FD.
GFM-FT: Маска сегментации переднего плана 2 класса используется в качестве контрольного сигнала для GD, а альфа-маска неизвестной переходной области используется в качестве контрольного сигнала для FD.
GFM-BT: Маска сегментации фона 2 класса используется в качестве контрольного сигнала для GD, а альфа-маска неизвестного переходного домена используется в качестве контрольного сигнала для FD.
Наконец, с помощью совместного сопоставления (CM) результаты трех вышеупомянутых различных областей представления объединяются для получения окончательного альфа-предсказания.
Для получения более подробной информации вы можете прочитать статью напрямую:
Адрес бумаги:АР Вест V.org/PDF/2010.16…
3. Проверка эффекта
Адрес проекта на гитхабе:GitHub.com/J я племянник л я/ ах…
Шаг 1: Настройте тестовую среду.
Просто установите зависимую библиотеку в соответствии с требованиями.txt, это очень просто.
Шаг 2: Загрузите файл веса обученной модели.
Адрес для скачивания (нужно перевернуть стену):Нажмите, чтобы просмотреть
Шаг 3: В каталоге проекта запустите программу.
python ./core/test_samples.py --cuda --arch="e2e_resnet34_2b_gfm_tt" --model_path="models/model_r34_2b_gfm_tt.pth" --pred_choice=3 --hybrid
Исходный каталог в каталоге образцов сохраняет исходное изображение;
Каталог result_alpha в каталоге примеров сохраняет маску сегментации;
Каталог result_color в каталоге примеров сохраняет результаты извлечения.
Я упаковал программу и файлы весов, которые слишком хлопотно загружать и использовать напрямую.
Адрес загрузки (код извлечения: s6uh ):
Disk.Baidu.com/Yes/1Blind JB Сравните 3IP…
текущий результат:
Скорость бега очень высокая, и отображается эффект бега:
Четвертый, последний
Алгоритм только для животных, если вы хотите вырезать людей, вам нужно создать свой набор данных и обучить модель.
Статья постоянно обновляется, вы можете найти [JackCui-AI] в общедоступной учетной записи WeChat, чтобы прочитать ее впервые, эта статья GitHubGitHub.com/Джек-Чери — это…Он был включен, и есть полные тестовые площадки для интервью на крупных заводах Добро пожаловать в Star.