如果您感兴趣，Deep Image Matting v2（深度图像抠图 v2）是此项目的升级版。

Deep Image Matting（深度图像抠图）

本仓库旨在复现 Deep Image Matting。

依赖项

• NumPy
• Tensorflow 1.9.0
• Keras 2.1.6
• OpenCV

数据集

Adobe Deep Image Matting 数据集

请遵循 说明 联系作者以获取数据集。

MSCOCO

前往 MSCOCO 下载：

• 2014 训练图像

PASCAL VOC

前往 PASCAL VOC 下载：

• VOC 挑战赛 2008 训练/验证数据
• VOC2008 挑战赛 的测试数据

ImageNet 预训练模型

将 VGG16 下载到 "models" 文件夹中。

使用方法

数据预处理

提取训练图像：

$ python pre_process.py

训练

$ python train.py

如果您想在训练期间进行可视化，请在终端运行：

$ tensorboard --logdir path_to_current_dir/logs

演示

下载预训练的 Deep Image Matting（深度图像抠图）模型 到 "models" 文件夹，然后运行：

$ python demo.py

图像/Trimap（修剪图）	输出/GT（真值）	新背景/合成

Deep-Image-Matting 快速上手指南

本指南旨在帮助开发者快速部署和使用 Deep Image Matting 工具进行图像抠图处理。

注意：Deep Image Matting v2 是该工具的升级版，建议优先考虑使用新版本。

环境准备

本项目基于较旧的深度学习框架版本，请确保您的开发环境满足以下要求：

• Python: 兼容 Python 2.7 或 3.x (建议虚拟环境隔离)
• TensorFlow: 1.9.0
• Keras: 2.1.6
• 其他依赖: NumPy, OpenCV

安装步骤

1. 安装依赖库

使用 pip 安装所需的 Python 包：

$ pip install numpy tensorflow==1.9.0 keras==2.1.6 opencv-python

2. 下载预训练模型

下载 VGG16 权重文件并放入项目根目录下的 models 文件夹中：

• VGG16 Weights

3. 准备数据集

根据需求下载相应数据集（用于训练）：

• Adobe Deep Image Matting Dataset: 需按 官方说明 联系作者获取。
• MSCOCO: 2014 Train images
• PASCAL VOC: VOC2008 训练/验证数据

基本使用

1. 数据预处理

在开始训练前，先执行预处理脚本提取训练图像：

$ python pre_process.py

2. 模型训练

启动训练流程：

$ python train.py

如需实时监控训练过程，可在终端开启 TensorBoard：

$ tensorboard --logdir path_to_current_dir/logs

3. 推理演示

下载已训练好的模型文件至 models 文件夹，然后运行演示脚本：

• 最终模型链接

$ python demo.py

运行后将生成输入图像、Trimap、输出 Alpha 通道及合成背景等结果。