Deep Image Matting(2017)

作者: Cat丹 | 来源:发表于2019-10-14 15:03 被阅读0次

注意：
maxpool记录idx是抠出头发丝的关键！！！！

 x1p, id1 = F.max_pool2d(x12,kernel_size=(2,2), stride=(2,2),return_indices=True)
 x1d = F.max_unpool2d(x21d, id1, kernel_size=2, stride=2)

网络结构

Loss

alpha prediction loss:MSE，alpha值为[0,1]
compositionanl loss:MSE，RGB三个通道分别计算
只考虑unknow区域的loss，即gt matte不为0或1的区域
$L_{\alpha}^{i}=\sqrt{(\alpha_{p}^{i}-\alpha_{g}^{i})^2+\varepsilon}$
$L_{c}^{i}=\sqrt{(c_{p}^{i}-c_{g}^{i})^{2}+\varepsilon^{2}}$

$L_{overall}=w_{l}L_{\alpha}+(1-w_{l})L_{c}$

$w_{l}=0.5$

train dataset
- 用ps制作493个前景样本
- 从MS COCO和Pascal VOC随机抽取背景图像，每个前景对应100个背景，合成49300张图像
- trimap为matte图随机膨胀得到
test dataset
- 用ps制作50个前景样本
- 从MS COCO和Pascal VOC随机抽取背景图像，每个前景对应20个背景，合成1000张图像
- trimap为matte图随机膨胀得到

本文标题：Deep Image Matting(2017)

本文链接：https://www.haomeiwen.com/subject/xjnvyctx.html