端到端的深度學(xué)習(xí)網(wǎng)絡(luò)人體自動(dòng)摳圖算法

　　在基于立體視覺(jué)的人體建模系統(tǒng)中，背景像素的移除可以減少不必要的立體匹配計(jì)算，提高人體模型重建效率。為此，在給定大量具有前景 Alpha蒙板真值的人體圖像作為訓(xùn)練數(shù)據(jù)的前提下，提出了一個(gè)端到端的深度學(xué)網(wǎng)絡(luò)，以實(shí)現(xiàn)系統(tǒng)采集圖像中人體前景自動(dòng)摳圖。該深度學(xué)習(xí)網(wǎng)絡(luò)包括2個(gè)階段：人體前景分割階段和人體前景l(fā)pha摳圖階段。在人體前景分割階段，采用 Mask R-cnn網(wǎng)絡(luò)中的目標(biāo)檢測(cè)和掩碼生成2個(gè)負(fù)載，并結(jié)合訓(xùn)練數(shù)據(jù)進(jìn)行遷移學(xué)習(xí)，得到了適用于人體前景二值化分割的模型網(wǎng)絡(luò)。在人體前景 Alpha摳圖階段，采用 Encoder-decoder網(wǎng)絡(luò)架構(gòu)實(shí)現(xiàn) Alpha蒙板的自動(dòng)預(yù)測(cè)首先引入核為5的非學(xué)習(xí)卷積層，以上一個(gè)階段的二值化分割結(jié)果作為輸入自動(dòng)得到三分圖 Trimap，再和人體前景訓(xùn)練數(shù)據(jù)一起作為此階段摳圖網(wǎng)絡(luò)的輸入;經(jīng)過(guò)學(xué)習(xí)迭代，獲得能夠預(yù)測(cè)人體前景 Alpha蒙板的模型網(wǎng)絡(luò)。在實(shí)驗(yàn)部分，以單幅系統(tǒng)采集人體圖像為輸入，無(wú)需額外先驗(yàn)和人工交互，可以自動(dòng)估計(jì)人體前景 Alpha掩碼結(jié)果。用戶(hù)測(cè)試結(jié)果以及與其他方法的對(duì)比和分析證明了文中算法的可靠性和魯棒性;同時(shí)，該自動(dòng)摳圖算法還對(duì)其他公開(kāi)數(shù)據(jù)集的人體圖像進(jìn)行了掩碼預(yù)測(cè)，實(shí)驗(yàn)結(jié)果表明該算法具有一定的泛化能力。