基于深度學(xué)習(xí)和渲染數(shù)據(jù)的目標(biāo)對象摳取.pdf

1、圖像中目標(biāo)對象摳取(Object cutout)是圖像處理和編輯中的基本操作。但自動化的摳取真實(shí)圖像中的目標(biāo)對象是一項(xiàng)極其困難的任務(wù)，主要是因?yàn)檎鎸?shí)圖像中包含雜亂的背景，尤其是和要摳取目標(biāo)對象非常相似，這樣算法很難把它和目標(biāo)對象區(qū)分開。
　　目前現(xiàn)有的目標(biāo)對象摳取算法主要是基于低級的圖像分析（亮度或紋理），本文則提出一種新的整體分析的方法，主要是考慮利用目標(biāo)對象整體形狀特征，具體是利用高級的圖像分析即學(xué)習(xí)目標(biāo)對象全局形狀先驗(yàn)知識。

2、具體來說，本文針對一個具體的目標(biāo)對象類別（椅子），訓(xùn)練一個深度神經(jīng)網(wǎng)絡(luò)(Deep NeuralNetwork，DNN)來實(shí)現(xiàn)該功能。輸入一個矩形的圖像區(qū)域，該深度神經(jīng)網(wǎng)絡(luò)輸出一個概率圖(Probability map，P-map)。該概率圖表示對應(yīng)的圖像矩形區(qū)域內(nèi)的每個像素點(diǎn)在待摳取的目標(biāo)對象內(nèi)部的可能性。
　　同時本文展示該概率圖可以被用于評估圖像上矩形包圍框(proposal)包含單個目標(biāo)對象實(shí)例(instance)的可能性。