無綠幕MR特效 谷歌開源AI語義分割模型DeepLab-v3+

　　2018年03月16日，在3月出我們有報道說谷歌利用AI實現(xiàn)視頻的背景分離，而這涉及到語義圖像分割技術。語義圖像分割是指將諸如“道路”，“天空”，“人”，“狗”等語義標簽分配至圖像中的每一個像素，從而實現(xiàn)一系列的新應用，比如Pixel 2和Pixel 2XL人像模式中的合成淺層景深效果，以及實時視頻分割。

　　分配語義標簽需要精確定位對象的輪廓，因此這比其他視覺實體識別任務(如圖像級分類或邊界框級檢測)要求的定位精度更嚴格。好消息是，映維網(wǎng)了解到谷歌日前在GitHub上開源了最新的語義分割模型DeepLab-v3+(應用在Tensorflow)。

　　這一版本包含基于強大卷積神經(jīng)網(wǎng)絡(CNN)骨干體系架構構建的DeepLab-v3 +模型，旨在應用于服務終端。另外，谷歌同時分享了他們的Tensorflow模型訓練與評估代碼，以及已經(jīng)預先經(jīng)過訓練的Pascal VOC 2012和Cityscapes基準語義分段任務模型。

　　自三年前Deeplab模型的第一次出現(xiàn)以來，優(yōu)化的CNN特征提取器，更好的對象比例建模，對情景信息的詳細同化，改進的訓練過程，以及越來越強大的硬件和軟件帶來了DeepLab-v2和DeepLab-v3的優(yōu)化。對于DeepLab-v3 +，谷歌添加了簡單而有效的解碼器模塊以細化分割結果，尤其是沿對象邊界。谷歌進一步將深度可分離卷積應用于空間棱錐面緩沖池和解碼器模塊，從而形成更快速，更強大的語義分割編碼器-解碼器網(wǎng)絡。

　　由于方法，硬件和數(shù)據(jù)集的進步，構建在卷積神經(jīng)網(wǎng)絡之上的現(xiàn)代語義圖像分割系統(tǒng)已經(jīng)達到了五年前難以想象的精度。谷歌希望與社區(qū)分享他們的系統(tǒng)，從而幫助學界和業(yè)界的其他團體能夠更容易地進行復刻，同時進一步優(yōu)化系統(tǒng)，對新數(shù)據(jù)集進行模型訓練，并且為這一技術設想新的應用。