本文介绍飞桨框架复现Real-Time-High-Resolution-Background-Matting论文的项目，含相关链接与依赖。论文网络分base和refine模块，复现采用多阶段训练，用多个数据集，添加laplacian_loss，还说明训练、验证及预测过程。

前言

人工智能创新应用大赛——飞桨开源框架前沿模型复现专题赛，使用Paddle复现Real-Time-High-Resolution-Background-Matting论文。

github： https://github.com/zackzhao1/BackgroundMattingV2-paddle

aistudio： https://aistudio.baidu.com/aistudio/projectdetail/2467759

依赖环境： paddlepaddle-gpu2.1.2 python3.7

论文简介

该方法中将整个pipeline划分为两个部分：base和refine部分，前一个部分在缩小分辨率的输入下生成粗略的结果输出，其主要用于提供大体的区域位置定位（coarse predcition）。后一个网络在该基础上通过path selection选取固定数量的path（这些区域主要趋向于选择头发/手等难分区域）进行refine，之后将path更新之后的结果填充回原来的结果，从而得到其在高分辨率下的matting结果。 图1：BGMv2的网络结构，其中蓝色的是base网络，绿色的是refine网络

论文细节

BGMv2的网络分成两个模块： GbaseGbase 和 GrefineGrefine 。给定一张输入图像 II 和空屏图像 BB ，首先将其降采样 cc 倍，得到 IcIc 和 BcBc 。 GbaseGbase 取 IcIc 和 BcBc 作为输入，输出同样是降采样尺寸的前景概率 acac ，前景残差 FcRFcR ，Error Map EcEc 以及隐层节点特征 HcHc 。然后 GrefineGrefine 根据 EcEc 中值较大的像素点取 HcHc ，II 以及 BB 中对应的patch（难样本）来优化 FRFR 和 aa ，整个过程如图1所示。

BGMv2借鉴了deeplab v3的网络结构，包含骨干网络，空洞空间金字塔池化和解码器三部分组成：

骨干网络：可以采用主流的卷积网络作为，作者开源的模型包括ResNet-50，ResNet-101以及MobileNetV2，用户可以根据速度和精度的不同需求选择不同的模型；空洞空间金字塔池化：（Atrous Spatial Pyramid Pooling，ASPP）是由DeeplabV3提出并在实例分割领域得到广泛应用的结构，人像抠图和实例分割本质上式非常接近的，因此也可以通过ASPP来提升模型准确率；解码器：解码器是由一些列的双线性插值上采样和跳跃连接组成，每个卷几块由 3∗33∗3 卷积，BN以及ReLU激活函数组成。

如前面介绍的， GbaseGbase 的输入是 IcIc 和 BcBc ，输出是 acac ， FcRFcR ， EcEc 以及 HcHc 。其中Error Map EcEc 的Ground Truth是 E∗E∗ ，Error Map是一个人像轮廓的一个图。通过对Error Map的优化，可以使得BGMv2有更好的边缘检测效果。

GrefineGrefine 的输入是在根据 EcEc 提取的 k 个补丁块（patches）上进行进行精校， k 可以提前指定选择top- k 个或是根据阈值卡若干个。用户也可以根据速度和精度的trade-off自行设置 k 或者阈值的具体值。对于缩放到原图 1/c1/c 的 EcEc ，我们首先将其上采样到原图的 1/4 ，那么 E4E4 中的一个点便相当于原图上一个 4∗44∗4 的补丁块，那么相当于我们要优化的像素点的个数总共有 16k 个。

GrefineGrefine 的网络分成两个阶段：在1/2的分辨率和原尺寸的分辨率上进行精校。

Stage 1：首先将 GbaseGbase 的输出上采样到原图的 1/2 ；然后再根据 E4E4 选择出的补丁块，从其周围在其中提取 8∗88∗8 的补丁块；再依次经过两组 3∗33∗3 的有效卷积，BN，ReLU将Feature Map的尺寸依次降为 6∗66∗6 和 4∗44∗4 。

Stage2：再将Stage 1得到的 4∗44∗4 的Feature Map上采样到 8∗88∗8 ，再依次经过两组 3∗33∗3 的有效卷积，BN，ReLU将Feature Map的最终尺寸降为 4∗44∗4 。而这个尺寸的Feature Map对应的ground truth就是我们上面根据 E4E4 得到的补丁块。最后我们将降采样的 acac 和 FcRFcR 上采样到原图大小，再将Refine优化过后的补丁块替换到原图中便得到了最终的结果。

复现思路

1.在复现过程中我们参考论文中的方法，做了多阶段的训练，并做了修改：

stage1：使用VideoMatte240K数据集做预训练，提升模型鲁棒性。注：由于预训练耗时较长，提供了训练好得模型，方便在自己的数据上微调，模型为stage1.pdparams。

stage2：使用Distinctions646数据集做微调，提升模型细节表现。注：此时模型最好精度为SAD: 7.58，MSE: 9.49，模型为stage2.pdparams。

stage3：使用个人数据集微调。注：本次比赛提交的是stage2模型，因为训练所用数据集都为公开数据集，方便复现。 原作者在论文中也使用了个人数据集微调，但没有公开。因此我增加了自己数据进行训练，没有条件的同学可以利用原工程生成pha作为训练数据。 模型最好精度为SAD: 7.61，MSE: 9.47，模型为stage3.pdparams。

2.添加了原作者新论文中用到的laplacian_loss，可以提高收敛速度。

3.模型api对照表 https://blog.csdn.net/qq_32097577/article/details/112383360?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-2.vipsorttest&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-2.vipsorttest

复现

模型下载 链接：https://pan.baidu.com/s/1WfpzLcjaDJPXYSrzPWvsyQ 提取码：nsfy

训练

注：由于预训练耗时较长，提供了训练好得模型，方便在自己的数据上微调，模型为stage1.pdparams。

注：此时模型最好精度为SAD: 7.58，MSE: 9.49，模型为stage2.pdparams。

注：本次比赛提交的是stage2模型，因为训练所用数据集都为公开数据集，方便复现。 原作者在论文中也使用了个人数据集微调，但没有公开。因此我增加了自己数据进行训练，没有条件的同学可以利用原工程生成pha作为训练数据。 模型最好精度为SAD: 7.61，MSE: 9.47，模型为stage3.pdparams。

# [VideoMatte240K & PhotoMatte85 数据集](https://grail.cs.washington.edu/projects/background-matting-v2/#/datasets)# [Distinctions646_person 数据集](https://github.com/cs-chan/Total-Text-Dataset)# 数据集需要申请，请自行下载! ./run.sh

验证

# 解压测试集!unzip ./data/data111962/PhotoMatte85_eval.zip -d ./data/

!python eval.py

W1013 17:35:31.830500   406 device_context.cc:404] Please NOTE: device: 0, GPU Compute Capability: 7.0, Driver API Version: 10.1, Runtime API Version: 10.1W1013 17:35:31.835165   406 device_context.cc:422] device: 0, cuDNN Version: 7.6.  0%|                                                    | 0/85 [00:00登录后复制
预测
In [6]
!python predict.py
登录后复制
W1013 18:00:01.562386  1535 device_context.cc:404] Please NOTE: device: 0, GPU Compute Capability: 7.0, Driver API Version: 10.1, Runtime API Version: 10.1W1013 18:00:01.567060  1535 device_context.cc:422] device: 0, cuDNN Version: 7.6.save results：./image/01_pred.jpg
登录后复制