GitHub Stars
989
Forks数量
259
贡献者数量
9
许可证
MIT
收录理由
这份代码将Xu等人提出的Deep Image Matting网络以Keras和TensorFlow重新实现,虽然发布时间较早,但如果你需要从图像中提取干净的alpha遮罩(而非粗略的目标框),它仍然是结构清晰、易于阅读的参考实现之一。仓库完整覆盖了从数据预处理脚本、模型训练入口到推理演示的整个流程:输入一张原图和对应的trimap,即可输出alpha抠图结果以及换背景后的合成图。论文使用的Adobe数据集需要向作者申请,因此实际使用时多半要自备或合成训练数据;代码本身运行在较老的TensorFlow 1.9环境上。你可以把它当作理解两阶段抠图损失函数和网络设计的活文档,或者作为把这一思路移植到现代框架的起点——作者后续推出的v2版本以及其他PyTorch实现正延续了这项工作。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容,欢迎 联系我们推荐选题或投稿。