向AI轉型的程序員都關注了這個號👇👇👇python
機器學習AI算法工程 公衆號：datayx程序員
時裝業是人工智能領域頗有前景的領域。 研究人員能夠開發具備必定實用價值的應用。 我已經在這裏展現了我對這個領域的興趣，在那裏我開發了一個來自Zalando在線商店的推薦和標記服裝的解決方案。web
在這篇文章中，咱們會開發一個提取連衣裙的應用。 它輸入原始的圖像（從網絡上下載或用智能手機拍照），並提取圖像中的連衣裙。 分割的難點在於原始圖像中存在了大量的噪聲，可是咱們會在預處理期間經過一個技巧來解決這個問題。面試
最後，您還能夠嘗試將此解決方案與以前引用的解決方案合併。 這容許您經過外出和拍攝時拍攝的照片，開發一個實時推薦和標記服裝的系統。算法
項目下載地址flask
關注微信公衆號 datayx 而後回覆 穿衣 便可獲取。微信
AI項目體驗地址 https://loveai.tech網絡
數據集
最近有一項關於服裝視覺分析和分割的Kaggle比賽。 這是一個很是有趣的比賽，但它並不適合咱們。 咱們的目標是從圖像中提取連衣裙，所以這個數據集不太適合咱們，由於它包含了比較多的冗餘。 咱們須要的是包含連衣裙的圖像，所以最好本身來構建數據集。app
我收集了網絡上的一些圖片，其中包含了在不一樣場景穿着不一樣類型的連衣裙的人。 而後須要建立蒙版，它在每一個對象分割任務中都是必要的。機器學習
下面是咱們的數據樣本。 我從互聯網上收集了一些原始圖像，通過進一步剪切，將人與衣服分開。
圖像分割示例
由於咱們要將背景、皮膚和連衣裙進行分離，首先要將它們區分出來。 背景和皮膚是本問題中最相關的噪聲源，咱們要儘可能減小它們的干擾。
經過手動分割來建立蒙版，以下圖所示，簡單的對蒙版進行二值化。
蒙版示例
最後一步，咱們將全部的蒙版圖像合併爲三維的單個圖像。 這張照片表示了原始圖像的相關特徵。咱們的目的主要是分離背景，皮膚和連衣裙，所以這個圖像很是適合！
最終蒙版
咱們對數據集中的每一個圖像重複這個過程，爲每一個原始圖像提供三維的對應蒙版。
模型
咱們能夠很容易的創建模型，過程很是簡單：
咱們須要訓練這樣一個模型，該模型輸入原始圖像，能夠輸出它的三維蒙版，即分離皮膚、背景和衣服。 訓練完成以後，當一個新的圖像輸入時，咱們就能夠將它分紅三個不一樣的部分： 背景、皮膚和衣服。 咱們只關注感興趣區域（連衣裙），這樣蒙版結合原始圖像，就能夠裁剪出咱們須要的連衣裙。
咱們使用UNet創建該模型，它常常用於相似的分割任務，並且很容易在Keras中實現。
在開始訓練以前，要對全部的原始圖像進行均值標準化。
結果和預測
在預測期間，當遇到高噪聲的圖像（背景或皮膚模糊等）時，模型開始動盪。 這種問題能夠簡單地經過增長訓練圖像的數量進行解決。 但咱們也開發了一個巧妙的方法來避免這種問題。
咱們使用 OpenCV 提供的 GrubCut 算法。 該算法利用高斯混合模型分離前景和背景。 經過它能夠幫助咱們找到圖像中的人物。
咱們只實現了簡單的功能。 假設感興趣的人站在圖像的中間。
python def cut(img): img = cv.resize(img,(224,224)) ¨K5K
執行GrubCut結果
下面是結合使用GrubCut和UNet以後的結果：
GrubCut與UNet相結合獲得了優秀的結果。
總結
在這篇文章中，咱們爲連衣裙分割開發了一套解決方案。 爲了達到這個目的，咱們使用了GrubCut和UNet。 咱們計劃在真實照片中使用這個解決方案，並根據它構建一個視覺推薦系統。
原文連接：
https://towardsdatascience.com/dress-segmentation-with-autoencoder-in-keras-497cf1fd169a
閱讀過本文的人還看了如下：
分享《深度學習入門:基於Python的理論與實現》高清中文版PDF+源代碼
《21個項目玩轉深度學習：基於TensorFlow的實踐詳解》完整版PDF+附書代碼
《深度學習之pytorch》pdf+附書源碼
李沐大神開源《動手學深度學習》，加州伯克利深度學習（2019春）教材
筆記、代碼清晰易懂！李航《統計學習方法》最新資源全套！
《神經網絡與深度學習》最新2018版中英PDF+源碼
將機器學習模型部署爲REST API
FashionAI服裝屬性標籤圖像識別Top1-5方案分享
重要開源！CNN-RNN-CTC 實現手寫漢字識別
yolo3 檢測出圖像中的不規則漢字
一樣是機器學習算法工程師，你的面試爲何過不了？
前海徵信大數據算法：風險機率預測
【Keras】完整實現‘交通標誌’分類、‘票據’分類兩個項目，讓你掌握深度學習圖像分類
VGG16遷移學習，實現醫學圖像識別分類工程項目
特徵工程(一)
特徵工程(二) :文本數據的展開、過濾和分塊
特徵工程(三):特徵縮放,從詞袋到 TF-IDF
特徵工程(四): 類別特徵
特徵工程(五): PCA 降維
特徵工程(六): 非線性特徵提取和模型堆疊
特徵工程(七)：圖像特徵提取和深度學習
如何利用全新的決策樹集成級聯結構gcForest作特徵工程並打分？
Machine Learning Yearning 中文翻譯稿
螞蟻金服2018秋招-算法工程師（共四面）經過
全球AI挑戰-場景分類的比賽源碼(多模型融合)
斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）
python+flask搭建CNN在線識別手寫中文網站
中科院Kaggle全球文本匹配競賽華人第1名團隊-深度學習與特徵工程
不斷更新資源
深度學習、機器學習、數據分析、python
搜索公衆號添加： datayx
長按圖片，識別二維碼，點關注
AI項目體驗
https://loveai.tech