大家好，我是K同學啊！

昨天逛某知名網站的時候，發(fā)現了一個有趣的算法，分享給大家

一張任意背景的圖片，實現任意切換背景，感受一下：

放個視頻，感受更強烈：

MODNet算法展示！

MODNet

MODNet是一個僅需RGB圖片輸入的實時人像摳圖模型。

模型學習分為三個部分：語義估計（Semantic Estimation）、細節(jié)預測（Detail Prediction）和語義細節(jié)融合（Semantic-Detail Fusion）。

語義估計（Semantic Estimation）：與現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語義。MODNet的低分辨率分支，它有兩個主要優(yōu)勢。首先，語義估計變得更加有效，因為它不再由包含解碼器的單獨模型來完成。其次，高級表示(I)有助于后續(xù)分支和聯(lián)合優(yōu)化。我們可以應用任意的CNN骨干toS。為了促進實時交互，我們采用了MobileNetV2[35]架構，這是一種為移動設備開發(fā)的獨立模型。

細節(jié)預測（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 輸入的低級特征。重用低級特征的目的是減少D的計算開銷。此外，作者在以下三個方面進行就進一步簡化：

• D包含比S更少的卷積層；
• 為D中的卷積層選擇了一個小的通道數；
• 我們不保持整個D的原始輸入分辨率。在實踐中，D由12個卷積層組成，其最大通道數為64。特征圖分辨率在第一層下采樣到1/4，在后兩層恢復。此設置對細節(jié)預測的影響可以忽略不計。

都想要的

• 論文地址：https://github.com/ZHKKKe/MODNet
• 項目地址：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，代碼直接給我們準備好了，只需點一個「運行」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 的數據結構刷題筆記，是谷歌和阿里的大佬寫的，對于算法薄弱或者需要提高的同學都十分受用（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

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站內容還不錯，歡迎將生活随笔推薦給好友。