深度学习AI美颜系列---人像分割头发细节处理算法研究

    人像分割技术目前已经逐渐成熟，在抖音、快手、美图等等APP中已经都有应用，而且是Camera实时处理，然而，追究细节，各家效果却大同小异，都存在一个问题：无法处理好边缘细节的分割，尤其是头发丝的处理，这里以人工智能大佬“商汤科技”的头发分割SDK为例，分割结果如下图所示：

                                                                 

    我们可以看到，头发边缘的处理属于纯粹的硬分割，对于头发丝无能为力。

    针对这个问题，一般的做法是使用图像Matting的方法，但是这种方法太耗时，实时起来比较困难，目前最新的论文，也是效果最好的论文是来自旷世的：Disentangled Image Matting

    该论文的效果达到了发丝级别，如下图所示：

      

网络结构如下：

    效果上看，确实达到了发丝级别，实例图发丝清晰可见，然而，本文却并未对时间消耗做出评估，可见，也是只适用于图片处理，距离实时还有一段距离。

    为了在实时情况下分割出较好的边缘，本人将分割网络(这里使用的是Unet的小模型改进版)内嵌，在分割网络的基础上进行了几次卷积，模拟Matting的类似操作，但并没有使用Trimap，通过bgremove网站导出500张样本，训练1000次，仅对边缘细节处理做了可行性分析，得到了如下结果：

    

  样本数量过少，背景单一，但是可以看到头发边缘问题有所改善，网络模型大小587K，可以手机端实时处理。

  后面本人将会使用大批量的复杂背景样本进行测试，最后给出完整的结果。