数据集
- Supervisely Person Dataset(5711 images with 6884 high-quality annotated person instances)
- Human-Segmentation-Dataset(290张)
- coco(用起来太麻烦,懒得)
- AISegment: Matting-Human-Datasets(包含半透明)
- PFCN: Automatic Portrait Segmentation for Image Stylization
- Baidu People segmentation dataset
- Semantic Human Matting(暂时找不到下载)
- Deep Automatic Portrait Matting(包含半透明,1700 training+300 testing)(project)
- Portseg_128
- Portseg_256
- VOC/Pascal Person(不推荐)
大部分的数据集的标注都是hard labels(二分类,是或者不是),少部分是包含soft labels(即如果说人是1.0,背景是0.0,那么比较细的发丝部分可能会是0.5这样,会有过度),软标注对训练更好。可以用硬标注训练,再用软标注优化(比如蒸馏)。
更多类似数据参考:
- supervisely Portrait(PortraitNet使用的supervisely person中的图,3055张)
- EG1800(PortraitNet使用的PFCN中的图)
- https://github.com/lartpang/awesome-segmentation-saliency-dataset#baidu-people-segmentation-datasetneed-help
- https://github.com/anilsathyan7/Portrait-Segmentation
看过的模型们
- RefineNet (2016)(paper)(repo)(pytorch implementation) 单个RefineNet接受不同尺寸和通道数的输入,之后进行融合。多个RefineNet可以一起使用(cascaded RefineNet)。 太大了。