FBA_Matting(2020)
网络结构:
主要是一个Unet网络结构,编码encoder网络使用的是resnet-50,权重用imagenet训练的模型。相比于原始resnet-50有两处修改,a、输入从3通道改为9通道,其中包括rgb与3组trimpa图像,使用三个不同个尺度的高斯模糊生成。b、移除layer3与layer4的stride,增加孔洞卷积,孔洞为2与4(类似alphagan)。
解码decoder网络是一个金字塔pooling层,主要包括7个卷积层与三线性插值与跳层链接。
输出层:包括7个通道,包括alpha值,F值x3,B值x3。前人工作证明对与alpha的结果通过一个硬tanh激活会比sigmod有一个小的改善,F与B也将结果通过一个sigmod归一化到0-1.
前人实验证明,batchsize为1去训练能增加网络的准确率,因此替换batch normalisation为group normalisation。
损失函数:
其中有alpha L1 loss, 金字塔loss,梯度loss,composition loss。
前后背景的L1 loss,梯度loss,金字塔loss,composition loss。
最后还有一个F B a的融合方式,主要通过最大似然估计推导出的一个迭代优化。实验表明,只需要一次迭代就能产生好的结果。
σC2 , σF2 , σB2 = 1, σα2 = 10
训练方式:
训练的trimap从gt中,通过随机膨胀腐蚀来获得。数据增强
TTA:测试时候也使用数据增强来测试,获取最好结果(实际不会这样用吧)
clipping activate函数:
实验结果:
不同的loss与gn都有影响