基于深度学习的人像抠图算法及应用
摘 要：由于图像分割技术快速发展，人们提出将深度学习应用到人像抠图中，使得人像抠图的效果相对于传统方法有大幅度提升。基于深度学习的人像抠图算法提供了一种端到端的像素级的预测，它能结合粗略的语义信息和精确的细节信息来学习寻找特征的规律，从而最终找到最优结果。本文列出了三种具有代表性的深度学习抠图算法：Deep image Matting、SHM、background matting，对比它们的优缺点。
关键词：人像抠图、图像分割、全卷积神经网络、深度学习
一、人像抠图的背景及意义
人像抠图是将图像中的目标前景物体从背景图像中分割出来的技术，是图像融合、图像复原等图像编辑技术的基础。随着互联网时代的发展与多媒体技术的变革，人像抠图技术在各个行业得到广泛的应用。如利用人像抠图技术电影导演可以将任何一个演员融入到计算机所绘制的虚拟场景中去，目前几乎所有电影都用到了人像抠图技术，尤其是科幻片。人像抠图技术也常应用电子商务网站中的智能创作构图，为客户提供个性化的创作图像等等。随着深度学习理论的不断完善以及计算机计算能力的提升，深度学习在计算机视觉领域取得很大的成功（特别是在图像分割方面），据此人们提出将深度学习应用到了人像抠图中去。
二、国内外研究的发展与现状
人像抠图是与图像语义分割是密切相关的，我将从图像语义分割和人像抠图两方面来介绍。
（一）、图像语义分割的发展与现状：
随着全卷积神经网络FCN的出现，深度学习正式进入了图像语义分割领域。图像语义分割的模型主要有以下几种。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
