公开(公告)号：CN107945204B

公开(公告)日：2021-06-25

申请号：CN201711022184.1

申请日：2017-10-27

Applicant: 西安电子科技大学

Inventor： 王伟 ,  周红丽 ,  王晨吉 ,  方凌

IPC: G06T7/194 ,  G06T7/11 ,  G06T7/143

Abstract: 本发明公开了一种基于生成对抗网络的像素级人像抠图方法，解决了机器抠图领域需要海量制作成本巨大的数据集训练优化网络的问题。本发明预先设置对抗学习模式的生成网络和判别网络，生成网络为具有跳跃连接的深度神经网络；将含有人像的真实图像输入生成网络输出人景分割图像；将第一和第二图像对分别输入到判别网络输出判别概率，确定生成网络和判别网络的损失函数；根据最小化两个网络损失函数值调整两个网络的配置参数，完成生成网络的训练；测试图像输入到训练完成后的生成网络以生成人景分割图像，将生成图像概率化，最后将概率矩阵送入条件随机场进一步优化。本发明批量性地减少了训练用图数量，提高了效率和分割精度。

公开(公告)号：CN107945204A

公开(公告)日：2018-04-20

申请号：CN201711022184.1

申请日：2017-10-27

Applicant: 西安电子科技大学

Inventor： 王伟 ,  周红丽 ,  王晨吉 ,  方凌

IPC: G06T7/194 ,  G06T7/11 ,  G06T7/143

CPC classification number: G06T7/194 ,  G06T7/11 ,  G06T7/143 ,  G06T2207/20076 ,  G06T2207/20081 ,  G06T2207/20084

Abstract: 本发明公开了一种基于生成对抗网络的像素级人像抠图方法，解决了机器抠图领域需要海量制作成本巨大的数据集训练优化网络的问题。本发明预先设置对抗学习模式的生成网络和判别网络，生成网络为具有跳跃连接的深度神经网络；将含有人像的真实图像输入生成网络输出人景分割图像；将第一和第二图像对分别输入到判别网络输出判别概率，确定生成网络和判别网络的损失函数；根据最小化两个网络损失函数值调整两个网络的配置参数，完成生成网络的训练；测试图像输入到训练完成后的生成网络以生成人景分割图像，将生成图像概率化，最后将概率矩阵送入条件随机场进一步优化。本发明批量性地减少了训练用图数量，提高了效率和分割精度。