文献类型：期刊文章

作　　者：王榕榕[1,2] 徐树公[2] 黄剑波[1,3]

WANG Rongrong;XU Shugong;HUANG Jianbo(Shanghai Film Academy,Shanghai University,Shanghai 200072,China;Shanghai Institute for Advanced Communication and Data Science,Shanghai University,Shanghai 200444,China;Shanghai Engineering Research Center of Motion Picture Special Effects,Shanghai University,Shanghai 200072,China)

机构地区：[1]上海大学上海电影学院,上海200072 [2]上海大学上海先进通信与数据科学研究院,上海200444 [3]上海大学上海电影特效工程技术研究中心,上海200072

出　　处：《上海大学学报（自然科学版）》

基　　金：上海大学电影学高峰学科和上海电影特效工程技术研究中心研究项目(16dz2251300)。

年　　份：2022

卷　　号：28

期　　号：2

起止页码：261-269

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：图像抠图(image matting)技术是图像编辑技术的基础,广泛应用于影视后期制作和日常生活.基于深度学习的图像抠图网络,通过输入的原图和三元图来估计每个像素的α值.在原下、上采样的图像抠图技术基础上,针对抠图数据集图像差异较大容易造成网络收敛较慢的问题,在每个卷积层后加入了批量标准化(batch normalization,BN)层,对输入数据进行归一化操作,加快模型收敛速度,同时参数更新方向更符合数据集整体特性;针对抠图任务需要更关注物体边缘部分的特点,使用可变形卷积(deformable convolution)层替换普通卷积层.可变形卷积层会根据不同输入数据自适应学习卷积核形状,有效扩大感受野范围,在细节部分有更好的预测效果.

关 键 词：深度学习  图像抠图 语义分割  预测  

分 类 号：TP391.4]