Portrait Matting(人像分割)研究日记...未完成..进行中...

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。