大家好，我是K同學(xué)啊！

昨天逛某知名網(wǎng)站的時(shí)候，發(fā)現(xiàn)了一個(gè)有趣的算法，分享給大家

一張任意背景的圖片，實(shí)現(xiàn)任意切換背景，感受一下：

放個(gè)視頻，感受更強(qiáng)烈：

MODNet算法展示！

MODNet

MODNet是一個(gè)僅需RGB圖片輸入的實(shí)時(shí)人像摳圖模型。

模型學(xué)習(xí)分為三個(gè)部分：語義估計(jì)（Semantic Estimation）、細(xì)節(jié)預(yù)測（Detail Prediction）和語義細(xì)節(jié)融合（Semantic-Detail Fusion）。

語義估計(jì)（Semantic Estimation）：與現(xiàn)有的多模型方法類似，MODNet的第一步是在輸入圖像中定位人。不同之處在于，這里只能通過編碼器來提取高級(jí)語義。MODNet的低分辨率分支，它有兩個(gè)主要優(yōu)勢。首先，語義估計(jì)變得更加有效，因?yàn)樗辉儆砂獯a器的單獨(dú)模型來完成。其次，高級(jí)表示(I)有助于后續(xù)分支和聯(lián)合優(yōu)化。我們可以應(yīng)用任意的CNN骨干toS。為了促進(jìn)實(shí)時(shí)交互，我們采用了MobileNetV2[35]架構(gòu)，這是一種為移動(dòng)設(shè)備開發(fā)的獨(dú)立模型。

細(xì)節(jié)預(yù)測（Detail Prediction）：使用了高分辨率分支 D 處理前景肖像周圍的過渡區(qū)域，它采用 I、S(I) 和來自 Sas 輸入的低級(jí)特征。重用低級(jí)特征的目的是減少D的計(jì)算開銷。此外，作者在以下三個(gè)方面進(jìn)行就進(jìn)一步簡化：

• D包含比S更少的卷積層；
• 為D中的卷積層選擇了一個(gè)小的通道數(shù)；
• 我們不保持整個(gè)D的原始輸入分辨率。在實(shí)踐中，D由12個(gè)卷積層組成，其最大通道數(shù)為64。特征圖分辨率在第一層下采樣到1/4，在后兩層恢復(fù)。此設(shè)置對(duì)細(xì)節(jié)預(yù)測的影響可以忽略不計(jì)。

都想要的

• 論文地址：https://github.com/ZHKKKe/MODNet
• 項(xiàng)目地址：https://arxiv.org/pdf/2011.11961.pdf

如果你懶得去看論文也不想敲代碼，請看下面，作者早已洞悉大家的急迫上手的心情，代碼直接給我們準(zhǔn)備好了，只需點(diǎn)一個(gè)「運(yùn)行」按鈕即可。

• 圖像：https://colab.research.google.com/drive/1GANpbKT06aEFiW-Ssx0DQnnEADcXwQG6?usp=sharing
• 視頻：https://colab.research.google.com/drive/1Pt3KDSc2q7WxFvekCnCLD8P0gBEbxm6J?usp=sharing

把發(fā)絲都能給扣出來，就很厲害了

---

最后再送大家一本，幫助大家拿到 BAT 等一線大廠 offer 的數(shù)據(jù)結(jié)構(gòu)刷題筆記，是谷歌和阿里的大佬寫的，對(duì)于算法薄弱或者需要提高的同學(xué)都十分受用（提取碼：9go2 ）：

谷歌和阿里大佬的Leetcode刷題筆記

以及我整理的7K+本開源電子書，總有一本可以幫到你 💖（提取碼：4eg0）

7K+本開源電子書

視頻來源：https://www.bilibili.com/video/BV1T64y1f7r4?from=search&seid=2466061107466395687

總結(jié)

以上是生活随笔為你收集整理的AI算法又整新活，去海边跳一支舞！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。