谈到人像抠图想必大家都不陌生。在影视剪辑、直播娱乐、线上教学、视频会议等场景中都有人像分割的身影，它可以帮助用户实时、精准地将人物和背景精准识别出来，实现更精细化的人物美颜、背景虚化替换、弹幕穿人等，进一步提升视觉应用体验。

高精度的实时人像抠图模型一直是学术和产业界研究的重点，为此PaddleSeg团队开源了多场景覆盖的PP-HumanSeg人像系列模型：

• PP-HumanSeg提供了3个高精度的人像分割模型：
  有应用于服务端GPU部署的PP-HumanSegl模型，有适用于移动端的轻量PP-HumanSegm模型，还有能够在浏览器部署的超轻量模型PP-HumanSegs模型。
• 提供了完善的服务端、移动端、Web端部署文档，尤其是Web端提供了产业级的实时人像分割解决方案。

近期“百度视频会议”也上线虚拟背景功能，支持用户在视频会议时进行人像背景切换。这个功能正是基于PP-HumanSeg提供的超轻量的PP-HumanSegs来实现。通过 Padddle.js实现了在Web端部署，直接利用浏览器的算力进行实时人像抠图，效果受到一致好评！

模型性能如此之好，是不是迫不及待地想知道如何实现的？

大规模数据合成和数据增强

在训练集里有各种比例的图片，有横屏的，有竖屏的。如果直接使用缩放变形等数据增强方式，会直接导致形变失真，反而不会提升精度。针对此类问题，采用维持图像纵横比缩放、Padding补齐等方式缩放图像达到原图比例。通过这些方式处理后图像不会失真，训练精度也得到了提升。

针对人像标注样本少的问题，使用标注信息和背景图合成的方式进行数据生成，数据量的扩充提升了模型的精度。

轻量级网络设计方式

对于移动端和网页端的人像分割，一个高效的轻量级网络必不可少，在这里为大家总结了一些轻量化关键设计方法。

关键一：深度可分离卷积

深度可分离卷积是一种卷积分解方式，将普通卷积分解为Depthwise Convolution和Pointwise Convolution，主要目的是减少计算量和参数量，此方式已被广泛应用在轻量级卷积网络中。

关键二：Channel Shuffle（通道洗牌）

在深度可分离卷积中用到的Depthwise Convolution会将所有的channel分组，每个channel分为一组，这就导致组与组之间无信息交换。Channel Shuffle通过对group convolution之后的特征图进行“重组”，可以保证接下了采用的group convolution输入来自不同的组，因此信息可以在不同组之间流转。

关键三：Skip-connection（跳跃连接）

对于分割任务，空间域信息非常重要。主流的分割网络均采用encoder-decoder结构。网络的encoder部分通过下采样层把特征图分辨率降得非常小，这一点不利于精确的分割mask生成，通过skip-connection跨层连接编码器和解码器，更利于生成精细的mask。Skip-connection直接复用encoder的特征，几乎不增加计算量，性价比非常之高！

关键四：上采样方法

Decoder的主要目的是将低分辨率信息的特征恢复到高分辨率。为了实现这个目的就需要上采样。常用的上采样方式有四类：转置卷积、反池化、插值、亚像素卷积。

当使用转置卷积进行上采样的时候，容易出现棋盘效应（左图肩膀处）。开发团队为平衡计算量、显存占用和效果，最终采用深度可分离卷积+双线性插值，在保持高效计算的同时解决了棋盘效应问题。

综合考虑上述四个关键，开发团队设计了Web端超轻量级模型PP-HumanSegs。

优化损失函数解决类别不均衡

人像在整张图片中所占的比例往往较小，存在前景背景类别占比不均衡的问题。常用的Cross Entropy Loss会公平处理正负样本，当出现正样本占比较小时，就会被更多的负样本淹没。通过改变损失函数，使用Lovasz loss来降低正负样本不均衡的问题。

光流后处理优化

视频分割存在一个问题：视频帧间不连贯，边缘部分闪烁严重，为此研发团队利用时序信息结合光流法，对分割结果进行优化。采用光流解决方法，将光流预测结果与分割结果进行融合，这样就可以参考上一帧的运动信息，使得前后帧变换相对更加稳定，减少边缘的闪烁。

             原图(左)     未加光流效果(中)     加光流效果(右)   

心动不如行动，大家可以直接前往Github地址获得完整开源项目代码，记得Star收藏支持一下哦：

https://github.com/PaddlePaddle/PaddleSeg