1、MODNet官方提供的onnx模型，不需要trimap即可实现发丝级抠图； 2、实现了图片抠图、视频抠图、摄像头在线抠图功能； 3、cpu上运行速度较慢，推荐使用gpu；

MODNet：实时肖像抠像真的需要绿屏吗？ | WebCam视频演示[] [ ] | 自定义视频演示[] | 图像演示[ ] [ ] 这是我们论文的正式项目，实时肖像抠像真的需要绿屏吗？ MODNet是一种无Trimap的模型，用于在场景变化时实时进行人像抠像。 消息 [2021年2月19日]添加（来自社区）。 [2021年1月28日]释放MODNet训练迭代的。 [2020年12月25日]圣诞快乐！ :Christmas_tree: 发布用户视频的自定义视频抠像演示[]。 [2020年12月10日]发布WebCam视频演示[] [ ]和图像演示[ ]。 [2020年11月24日]发布和。 演示版 视频遮罩 我们提供了两个基于WebCam的实时人像视频抠像演示。 使用演示时，您可以随意移动网络摄像头。 如果您使用的是Ubuntu系统，建议您尝试以获取更高的fps 。 否则，您可以访问。 我们

阿尔法消光 这是论文描述的算法的 OpenCV2 版本： Eduardo SL Gastal 和 Manuel M. Oliveira 计算机图形论坛。 第 29 卷（2010 年），第 2 期。2010 年 Eurographics 论文集，第 575-584 页。 用法 SharedMatting sm; sm.loadImage(pathToImage); // load image from pathToImage sm.loadTrimap(pathToTrimap); // load Trimap from pathToTrimap sm.solveAlpha(); // do the shared matting algorithm sm.save(pathToSave); // save result image 详情请参考 Readme.txt 和 main.cpp。

这是博客《一键抠图Portrait Matting人像抠图 (C++和Android源码)》的Android完成的项目源码：https://panjinquan.blog.csdn.net/article/details/121680939

这是博客《一键抠图Portrait Matting人像抠图 (C++和Android源码)》的Android APP：https://panjinquan.blog.csdn.net/article/details/121680939

简介 本数据集为目前已知最大的人像matting数据集，包含34427张图像和对应的matting结果图。 数据集由北京玩星汇聚科技有限公司高质量标注，使用该数据集所训练的人像软分割模型已商用。 数据集中的原始图片来源于Flickr、百度、淘宝。经过人脸检测和区域裁剪后生成了600*800的半身人像。 clip_img目录为半身人像图像，格式为jpg；matting目录为对应的matting文件（方便确认matting质量），格式为png，您训练前应该先从png图像提取alpha图。例如使用opencv可以这样获得alpha图： in_image = cv2.imread('png图像文件路径', cv2.IMREAD_UNCHANGED) alpha = in_image[:,:,3] 下载地址 链接： 提取码：dzsn other url: 数据集截图 matting图： 手机端视频人

对应说明https://blog.csdn.net/cheapter/article/details/85622721 1、本文核心算法（alpha求解）基于论文Shared Sampling for Real-Time Alpha Matting进行; 2、本文对上面论文的核心算法进行了分析； 3、对于绿色背景的视频进行自动抠图与重新合成； 4、绿屏视频中（只要是单一颜色背景）的前景目标在新背景上的位置以及大小用户自己设定； 5、对于光照有较好的鲁棒性

鲁棒抠图的一个小程序，由Jue Wang等人基于OpenCV开发。

pytorch深图像抠像 该存储库包括的非官方pytorch实现。 表现 模型 SAD↓ MSE↓ 毕业↓ 康恩↓ 关联 阶段0 59.6 0.019 40.5 59.3 第一阶段 54.6 0.017 36.7 55.3 阶段0-我们的 56.01 0.0173 33.71 57.57 第一阶段 54.42 0.0175 35.01 54.85 跳过我们的第一阶段 52.99 0.0171 31.56 53.24 较低的指标显示更好的性能。 对于stage1-our-skip模型，训练批处理= 1，图像= 43100，历元= 12，大约需要1天。 测试maxSize = 1600。 GPU内存> = 10GB 更新 2020.09.09：使用最新模型（stage1-skip-sad-52.9.pth）运行demo.py，并更新可视化结果

人像matting数据集，包含34427张图像和对应的matting结果图。