如何在机器学习中训练模型以从图像中去除背景答案

【问题标题】：How to train model for Background removal from images in Machine Learning如何在机器学习中训练模型以从图像中去除背景
【发布时间】：2020-05-06 02:22:30
【问题描述】：

给定一个图像数据集，我需要从每个图像的背景中分割前景对象。数据集是“汽车”的图像。输出图像应该只是汽车，没有原始图像的任何背景。有人可以指导我训练这个模型需要哪些更广泛的步骤吗？需要什么算法。我将使用 tensorflow 作为实现。可以在https://www.remove.bg/

找到所需功能的示例

【问题讨论】：

你有没有尝试过？您可能无法在这里得到完整的现成答案。如果您卡在代码中的任何地方，我们可以为您提供帮助。
我还没有尝试过任何东西。原因是因为这将是一个 POC，我想缩小我的研究范围并尝试以最短的解决时间来交付它！！！对不起这个毫无准备的阶段。任何帮助表示赞赏！谢谢:)

【解决方案1】：

基于深度学习的语义分割可用于从背景中分割前景。您需要像 http://cocodataset.org/#explore 这样的注释数据来训练 DL 模型。基于VGG16的语义分割可以精确提取前景物体的边缘。

【讨论】：

【解决方案2】：

Opencv 有一些内置模块可以做到这一点，但一般来说它并不完美。只需查找opencv背景减法，如果您想要一种更可靠的方法，那么我会使用可以检测人的人体物体检测/分割算法。

其次，您还可以使用诸如 Mask RCNN 之类的分割算法来创建您归类为前景的蒙版，删除您随后归类为背景的任何内容。

或者，YOLACT：在 github 上查看实时实例分割。

【讨论】：