典型文献
基于深度学习的图像抠图技术
文献摘要：
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.
文献关键词：
深度学习;图像抠图;语义分割;预测
中图分类号：
作者姓名：
王榕榕;徐树公;黄剑波
作者机构：
上海大学上海电影学院,上海200072;上海大学上海先进通信与数据科学研究院,上海200444;上海大学上海电影特效工程技术研究中心,上海200072
文献出处：
引用格式：
[1]王榕榕;徐树公;黄剑波-.基于深度学习的图像抠图技术)[J].上海大学学报（自然科学版）,2022(02):261-269
A类：
B类：
图像抠图,image,matting,图像编辑,编辑技术,影视后期制作,图网络,原图,元图,像素,上采样,技术基础,图数据,像差,网络收敛,较慢,卷积层,批量标准化,batch,normalization,BN,输入数据,收敛速度,参数更新,可变形卷积,deformable,convolution,层替换,自适应学习,卷积核,感受野,语义分割
AB值：
0.417239
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
