资料下载
×
端到端的深度学习网络人体自动抠图算法
消耗积分:0 |
格式:pdf |
大小:2.04 MB |
2021-04-21
分享资料个
在基于立体视觉的人体建模系统中，背景像素的移除可以减少不必要的立体匹配计算，提高人体模型重建效率。为此，在给定大量具有前景 Alpha蒙板真值的人体图像作为训练数据的前提下，提出了一个端到端的深度学网络，以实现系统采集图像中人体前景自动抠图。该深度学习网络包括2个阶段：人体前景分割阶段和人体前景lpha抠图阶段。在人体前景分割阶段，采用 Mask R-cnn网络中的目标检测和掩码生成2个负载，并结合训练数据进行迁移学习，得到了适用于人体前景二值化分割的模型网络。在人体前景 Alpha抠图阶段，采用 Encoder-decoder网络架构实现 Alpha蒙板的自动预测首先引入核为5的非学习卷积层，以上一个阶段的二值化分割结果作为输入自动得到三分图 Trimap，再和人体前景训练数据一起作为此阶段抠图网络的输入;经过学习迭代，获得能够预测人体前景 Alpha蒙板的模型网络。在实验部分，以单幅系统采集人体图像为输入，无需额外先验和人工交互，可以自动估计人体前景 Alpha掩码结果。用户测试结果以及与其他方法的对比和分析证明了文中算法的可靠性和鲁棒性;同时，该自动抠图算法还对其他公开数据集的人体图像进行了掩码预测，实验结果表明该算法具有一定的泛化能力。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
