如何在机器学习中训练模型以从图像中去除背景
How to train model for Background removal from images in Machine Learning
给定一个图像数据集，我需要为每张图像从背景中分割出前景对象。数据集是 "Cars" 的图像。输出图像应该只是原始图像中没有任何背景的汽车。有人可以指导我训练这个模型需要哪些更广泛的步骤吗？需要什么算法。我将使用 tensorflow 作为实现。可以在 https://www.remove.bg/
中找到所需功能的示例
基于深度学习的语义分割可用于从背景中分割前景。您需要像这样 http://cocodataset.org/#explore 的注释数据来训练 DL 模型。基于VGG16的语义分割可以提取前景物体的精确边缘。
Opencv 有一些内置模块可以在一般意义上做到这一点，但它并不完美。只需查找 opencv 背景减法，如果你想要一种更可靠的方法，那么我会使用可以检测人的人体对象 detection/segmentation 算法。
其次，您还可以使用 Mask RCNN 等分割算法来创建 class 作为前景的蒙版，移除任何 class 作为背景的内容。
或者，YOLACT：实时实例分割检查 github。
给定一个图像数据集，我需要为每张图像从背景中分割出前景对象。数据集是 "Cars" 的图像。输出图像应该只是原始图像中没有任何背景的汽车。有人可以指导我训练这个模型需要哪些更广泛的步骤吗？需要什么算法。我将使用 tensorflow 作为实现。可以在 https://www.remove.bg/
中找到所需功能的示例基于深度学习的语义分割可用于从背景中分割前景。您需要像这样 http://cocodataset.org/#explore 的注释数据来训练 DL 模型。基于VGG16的语义分割可以提取前景物体的精确边缘。
Opencv 有一些内置模块可以在一般意义上做到这一点，但它并不完美。只需查找 opencv 背景减法，如果你想要一种更可靠的方法，那么我会使用可以检测人的人体对象 detection/segmentation 算法。
其次，您还可以使用 Mask RCNN 等分割算法来创建 class 作为前景的蒙版，移除任何 class 作为背景的内容。
或者，YOLACT：实时实例分割检查 github。