YOLO3+FCN+Tkinter+Django实现AI商品修图器

本文节选自我的博客：AI 商品修图器

• 💖 作者简介：大家好，我是MilesChen，偏前端的全栈开发者。
• 📝 CSDN主页：爱吃糖的猫🔥
• 📣 我的博客：爱吃糖的猫
• 📚 Github主页: MilesChen
• 🎉 支持我：点赞👍+收藏⭐️+留言📝
• 💬介绍：The mixture of WEB+DeepLearning+Iot+anything🍁

AI商品修图图器实现自动抠图，前景背景融合，还支持自定义风格生成。

本项目源于19年阿里巴巴1688图像算法大赛。本文涉及的代码与素材均在这里获取，如果对您有帮助，麻烦帮我点个star

功能

• 生成商品白底图
• 添加商品前景图
• 添加商品背景图
• 生成风格图
• 本地客户端
• 网页客户端
  

更新

• 使用Skip FCN，将VGG19最后5层feature map作为FCN输入，提高模型精度；
• YOLO3对商品图像定位，提升商品图占比;
• 使用风格迁移，给图片赋予艺术特色，优化图片边缘；
• 自研算法寻找图像的边缘和方向，加入alpha通道梯段透明化优化图像边缘，详细了解；
• 使用腐蚀膨胀优化图片；
• 使用中值滤波过滤图片噪音；
• 增加背景图替换功能；
• 增加前景图替换功能
• 增加本地客户端UI；
• 将功能部分移植到WEB服务器供线上使用。

技术框架

YOLO模型完成对商品图像定位

FCN模型完成对商品图像分割

Gram矩阵实现风格迁移

数据集

YOLO3数据集

数据集挑选带包模特1000张，手动打标签制作成VOC2007数据集。提供YOLO训练定位模型，下载地址YOLO数据集下载

语义分割数据集

共622张图片，包含图像和mask标注。

FCN数据集下载

训练过程

客户端

tkinter写的客户端

web服务端

图像边缘梯度透明化算法

使用2*2的filter遍历mask寻找图像边缘，一共有16种情况，这里只认为以下8中情况为有效边缘，即上、下、左、右、左上、右上、左下、右下。以下图左上角情况为例：此时2*2的filter遍历的情况，黄色小球代表当前遍历像素的位置，固定为向右、向下延伸1pix像素，组成的2*2的区域；上白下黑说明这是上边缘。

在mask图检测到对应边缘后，将原图core（图中小球）对应的区域（33）透明度修改为逐渐透明，其他方向亦是如此。

core透明区域分别为33、55、77的边缘图像，透明区域能增强与新背景的融合度。

---

如果你觉得本文对你有所帮助，别忘记给我点个start，有任何疑问和想法，欢迎在评论区与我交流。