📝个人主页🌹：Eternity._
🌹🌹期待您的关注 🌹🌹
❀ Modnet 人像抠图
- Modnet 人像抠图
- 论文概述
- 论文方法
- 复现
- WebUI
Modnet 人像抠图
论文概述
论文地址
论文GitHub
人像抠图(Portrait matting)旨在预测一个精确的 alpha 抠图，可以用于提取给定图像或视频中的人物。
MODNet 是一个轻量级的实时无 trimap 人像抠图模型， 与以往的方法相比，MODNet在单个阶段应用显式约束解决抠图子目标，并增加了两种新技术提高效率和鲁棒性。
MODNet 具有更快的运行速度，更准确的结果以及更好的泛化能力。简单来说，MODNet 是一个非常强的人像抠图模型。下面两幅图展示了它的抠图效果。
本文所涉及的所有资源的获取方式：这里
论文方法
下图展示了 ModNet 的结构。
ModNet 基于三个基础模块构建：语义预测(semantic estimation)，细节预测(detail prediction)，语义-细节混合(semantic-detail fusion)。分别对应图中的左下(S)、上(D)、右下(F)三个模块。
语义预测主要作用于预测人像的整体轮廓，但是仅仅是一个粗略的前景 mask，用于低分辨率监督信号。细节预测用于区分前景与背景的过度区域，判断该区域内的点属于前景还是背景，可以预测边缘细节，用于高分辨率监测信号。两个相结合便可以实现整体的人像分离。
语义预测模块（S）中使用 channel-wise attention 的 SE-Block。监督信号为使用下采样及高斯模糊后的GT，损失函数采用L2-Loss。
细节预测模块(D)的输入由三部分组成，原始图像，S 的中间特征， S 的输出（语义分割图）。D 整体上是一个 Encoder-Decoder 结构，D的监督信号为
l d = ∥ m d ∥ d p − α g ∥ 1 l_d = \| m_d \parallel d_p - \alpha g \|_1 ld=∥md∥dp−αg∥1
m d m_d md 是对 α g α_g αg进行形态学操作后得到的图像，具体地，它是通过对 αg 进行膨胀（dilate(αg)）和腐蚀（erode(αg)）操作的差异得到的。其值为 1 时表示该像素点位于过度区域，若为0则不处于过度区域，也是 Trimap 中的 unknown 区域。
MODNet 中使用 SOC 作为自监督学习策略。在不输入 trimap 的前提下，三个模块之间存在不一致性，所以需要保持三者的一致从而得到一个较好的结果。其具体策略为：
- F 模块与 D 模块在 unknown 区域的取值一致
- F 模块与 S 模块在确定前景与背景区域的取值一致
复现
官方并没有给出训练代码以及训练数据集，因此本文主要介绍推理的步骤。
项目的结构如下图
首先导入库并加载模型，工作目录为代码所在文件夹。
import gradio as gr
import os, sys
import torch
import torch.nn as nn
import torch.nn.functional as F
import torchvision.transforms as transforms
from src.models.modnet import MODNet
import numpy as np
from PIL import Imagemodnet = MODNet(backbone_pretrained=False)
modnet = nn.DataParallel(modnet)
ckpt_path = "./pretrained/modnet_photographic_portrait_matting.ckpt"if torch.cuda.is_available():modnet = modnet.cuda()weights = torch.load(ckpt_path)
else:weights = torch.load(ckpt_path, map_location=torch.device('cpu'))
modnet.load_state_dict(weights)
modnet.eval()ref_size = 512
之后加载图片并处理数据,此处加载名称为1的图片。
image = '1.jpg'
im = Image.open(image)
im = np.asarray(im)if len(im.shape) == 2:im = im[:, :, None]
if im.shape[2] == 1:im = np.repeat(im, 3, axis=2)
elif im.shape[2] == 4:im = im[:, :, 0:3]im_transform = transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))]
)im = Image.fromarray(im)
im = im_transform(im)
im = im[None, :, :, :]
im_b, im_c, im_h, im_w = im.shape
if max(im_h, im_w) < ref_size or min(im_h, im_w) > ref_size:if im_w >= im_h:im_rh = ref_sizeim_rw = int(im_w / im_h * ref_size)elif im_w < im_h:im_rw = ref_sizeim_rh = int(im_h / im_w * ref_size)else:im_rh = im_him_rw = im_w
im_rw = im_rw - im_rw % 32
im_rh = im_rh - im_rh % 32
im = F.interpolate(im, size=(im_rh, im_rw), mode='area')
得到可以处理的数据im后，投入模型进行推理。将得到的结果保存为名为 temp.png 的图片。
_, _, matte = modnet(im.cuda() if torch.cuda.is_available() else im, True)
matte = F.interpolate(matte, size=(im_h, im_w), mode='area')
matte = matte[0][0].data.cpu().numpy()
matte_temp = './temp.png'
运行之后得到结果，可以看见模型很好的得到了人像
WebUI
在原项目的基础上，构建了一个 WebUI 方便大家进行操作，界面如下所示
拖拽你想抠图的人像到左侧的上传框中，点击提交，等待片刻即可在右侧得到对应的结果。此处使用 flickr 的图片进行演示。
模型推导的 mask 会暂时保存在 temp 文件夹中，例如上面的图像得到的就是下图:
部署
运行 pip install -r requirements.txt 安装所需依赖，并确保你的环境中安装有 PyTorch。在文件夹中运行 python webui.py 即可启动网站,在浏览器中访问 http://0.0.0.0:8080/ 即可进入网页。
编程未来，从这里启航！解锁无限创意，让每一行代码都成为你通往成功的阶梯，帮助更多人欣赏与学习！
更多内容详见：这里