<mark id="oztn4"></mark>
0
“只要思想不滑坡，辦法總比困難多，干巴得！”
打工人的一天終于要結(jié)束了！拖著疲憊的身軀準備下班，卻聽到同事小A還在給自己打氣。
只見他迅速打開電腦，打開百度、打開知乎豆瓣微博微信......
都輸入了同一行字：肖像畫簡易教程......
還以為他要干什么驚天動地的大事！原來是想給女神古力娜扎（Gulnazar）畫一幅肖像畫。
年輕人就是年輕人，還有精力追星。
可還沒等我離開，他卻哭了—"世上無難事，只要肯放棄”，哇的一聲！
也是難為他了。無文藝細胞的理工男一枚，沒學過畫兒，也沒畫過畫兒，現(xiàn)在還想給女神畫一幅肖像畫兒，看這頭秀發(fā)哪是一個小白能畫出來的。
“這哪是簡易教程，構(gòu)圖、劃線、起形.....看的我頭都大了，效果還只是這樣。”
聽著小A絮絮叨叨、絮絮叨叨的吐槽，不禁想起了當年的自己，作為一個呆萌理工男也少不了做過同樣的蠢事。
“你不知道有很多APP，只要輸入照片就可以一秒生成嗎？”我忍不住說到。
小A呆住了。
“不過，看來你的要求還挺高，這樣，給你推薦一個高階版神器吧”。我迅速發(fā)了一張樣圖給他：
（別問我為什么可以迅速，問就是早有預謀）[讓我看看]
“先看整體感覺，是不是一股藝術氣息撲面而來？再看看神情，輕輕皺眉都能捕捉到位，再看看這頭發(fā)，濃密柔和自然，還根根分明，一看就是專業(yè)水準.....%￥#%@#”，不知不覺又暴露了推銷老司機的本質(zhì)....
“贊、太贊、非常贊！一句話，這是用的什么神器？”
“我發(fā)給你，就是用的這款AI工具...........%￥#%@#，它的研發(fā)者還是我們北大....”
話還沒說完，小A就把他的成果圖發(fā)給了我。
“太棒了，沒想到如此輕松就搞定了！”只見他邊說邊合上電腦、裝進書包，穿上外套，大步走向了門口，這速度像極了我平常下班的樣子......
最后還不忘轉(zhuǎn)身朝我比了一串串小芯芯......
我呆住了。“先走的不應該是我嗎？”，“等等，我話還沒說完！”。
“算了，這班我不下了”。
除了他，相信大家對這項AI工具的背后原理「一定」非常感興趣，那么我就來給大家詳細介紹一下。
這款AI工具叫U∧2-Net（U Square Net），最近火到不行！
不僅登上了GitHub熱榜，收割了2.8k星標，還被頂會ICPR 2020 選中。更關鍵是，這項研究的一作還是北大校友——秦雪彬。
相信不少開發(fā)者朋友對這個名字非常熟悉，他之前提出邊界感知顯著目標檢測網(wǎng)絡 BASNet，被用來做了很多好玩的工具，比如『隔空復制粘貼』——AR Cut & Paste
https://twitter.com/cyrildiagne/status/1256916982764646402
只要手機掃一掃，書本、花盆、雜志人物，你能看到的任何現(xiàn)實物體，只需10s統(tǒng)統(tǒng)都可以被“粘貼”到電腦里。
這項研究在Reddit上短短幾個小時，就獲得了近5K點贊量，之后累計瀏覽量超過了500萬。
秦雪彬以前在北京大學讀碩士，現(xiàn)在是加拿大阿爾伯塔大學的一名在讀博士。他對計算機視覺技術非常感興趣，尤其是目標物體檢測。最近推出的這款U^2-Net深度網(wǎng)絡架構(gòu)，同樣是一個目標檢測工具。
之前的BASNet網(wǎng)絡被用來做“復制粘貼”測試，效果很好。這次，他就用U^2-Net做了一個生成肖像畫測試，結(jié)果也火了。
再來感受下精細到毛發(fā)的生成效果。
目標檢測是計算機視覺和數(shù)字圖像處理的一個重要分支。計算機視覺對于目標運動的分析大致分為三個層次：圖像分割，目標檢測；目標跟蹤；目標識別與描述。其中，目標檢測是最基礎且關鍵的環(huán)節(jié)。
2006 年，自深度學習三大巨頭Hinton、Bengio、Lecun 提出卷積神經(jīng)網(wǎng)絡（CNN），并應用于圖像處理以來，目標檢測技術得到顯著性改善，尤其是隨著全卷積神經(jīng)網(wǎng)絡（FCN）的提出，目標檢測任務逐步達到最佳SOAT。
在今年的MICCAI 2020（國際醫(yī)學圖像計算與計算機介入）大會上，U^2-Net憑借出色的性能表現(xiàn)，在甲狀腺結(jié)節(jié)分割比賽中獲得第六名。
接下來，我們說說它是如何做到的。
任何AI處理過程都分為三個階段：輸入目標——模型訓練——輸出結(jié)果。要想達到高質(zhì)量的生成效果，除了考驗模型精度外，當然輸入源也很重要。這一點也是我們所能控制的。
對于U^2-Net而言，高質(zhì)量的照片源可以獲得更多細節(jié)，所以在上傳照片時要注意以下幾點：
照片中人頭區(qū)域應接近或大于512x512像素。
照片整體大小最好達到960x1280像素。
背景要盡量清晰、無干擾。
如圖，秦雪彬還親自示范做了說明。
接下來是最關鍵的目標檢測模型（SOD）。
先來看一組與現(xiàn)有最先進SOD模型的比較。
其中紅色星標代表U∧2模型（176.3 MB），它在相對小的模型尺寸下，表現(xiàn)出了最高性能。（藍色星標為4.7 MB的U∧2）
之所以達到如此性能，是因為U∧2擁有兩層嵌套式U型結(jié)構(gòu)，其中的ReSidual U-Block（RSU）中混合了大小不同的接收域，能夠從不同尺度捕獲更多語境信息。另外，由于這些RSU塊中使用了池化操作，因此可以深度捕獲更多細節(jié)，同時不會顯著增加計算成本。
最關鍵的是，這種結(jié)構(gòu)體系能夠讓模型從頭訓練深層網(wǎng)絡，而無需使用圖像分類任務的架構(gòu)。
現(xiàn)在大多數(shù)SOD 網(wǎng)絡設計都存在這樣一個問題：即專注于利用現(xiàn)有的基礎網(wǎng)絡提取深度特征，例如 Alexnet、VGG、ResNet、ResNeXt、DenseNet 等。但這些主干網(wǎng)絡最初都是為圖像分類任務設計的。
它們提取代表語義含義的特征，而不是代表局部性細節(jié)或全局對照信息，這對于顯著性目標檢測至關重要，并且這些網(wǎng)絡通常需要在 ImageNet 數(shù)據(jù)上進行預訓練，效率比較低。相比之下，U∧2-Net可以有效地避免上述問題。
U∧2-Net架構(gòu)
接下來詳細介紹其中的Block結(jié)構(gòu)、網(wǎng)絡監(jiān)督策略以及訓練損失。
在圖像信息提取中，1×1或3×3的小型卷積濾波器是最常用的特征提取元件。因為它所需內(nèi)存小且計算效率高。但該元件接收域太小，無法捕獲全局信息，因此解決方法只能是采用擴張卷積（Dilated Convolution）的方法來擴大接收域。
然而在原始分辨率的特征圖上進行多次擴張卷積（尤其是在初始階段），會耗費大量的計算和內(nèi)存資源。
為了降低計算成本，同時又能捕獲全局信息，研究人員采用了金字塔池化模塊（Pyramid Scene Parseing Network，PSPNet）。該模塊在下采樣特征映射上使用小核濾波器，而不是在原始尺寸的特征映射上使用擴張卷積的方法。
但通過直接上采樣和級聯(lián)將不同尺度的特征融合，可能會導致高分辨率特征的退化。因此，研究人員受到受U型網(wǎng)絡結(jié)構(gòu)的啟發(fā)，提出了一種全新的ReSidual U-block：RSU，來捕獲階段內(nèi)的多尺度特征。如圖：
從測試數(shù)據(jù)來看，RSU計算開銷確實相對較小。與PLN（普通卷積塊）、RES（剩余塊）、DSE（密集塊）、INC（初始化塊）相比，所耗費的GFLOPS浮點數(shù)最低。（GFLOPS ，全稱Giga Floating-point Operations Per Second，即每秒10億次的浮點運算數(shù)，常作為GPU性能參數(shù)）。
在訓練過程中，研究人員采用了類似于HED的深度監(jiān)督。
其中，訓練損失（Training Loss）定義為：
每個項L使用標準二進制交叉熵來計算損失：
在訓練過程，等式（1）讓總體損失最小化；在測試過程，選擇融合輸出的lfuse作為最終的顯著性圖。
在論文中，研究人員將U2模型與其他20多種現(xiàn)有最先進的模型進行了比較。
其中，各模型采用訓練數(shù)據(jù)集是DUTS-TR，它含10553張圖像，是目前用于目標檢測的最大和最常用的數(shù)據(jù)集；采用的基準數(shù)據(jù)集分別為DUT-OMRON、DUTS-TE、HKU-IS、ECSSD、PASCAL-S、SOD六種。
先來看下定性比較的結(jié)果：
紅色、綠色和藍色分別表示最佳、第二和第三性能
從表3、表4來看，U∧2-Net在DUT-OMRON、HKU-IS以及ECSSD三個基準數(shù)據(jù)集上展現(xiàn)了極大先進性，五個評估指標都達到了最佳SOTA。
其中，在DUTS-TE上，U∧2-Net總體性能僅次于PoolNet；在PASCAL-S上，U∧2-Net性能僅略低于AFNet、CPD和PoolNet。此外，在邊界質(zhì)量評估指標（RelaxFbβ）方面，U∧2-Net性能位居第二。
在SOD數(shù)據(jù)集上， U∧2-Net在整體性能方面也僅此于PoolNet。更重要的是，U∧2-Net模型大小只有4.7 MB，是在顯著性目標檢測領域型號最小的，而且與其他型號相比，它的參數(shù)量也少的多。
定性比較結(jié)果：比較了七種SOTA模型，如圖：
可以看出，U∧2-Net能夠處理不同類型的目標，并均產(chǎn)生了精準的識別結(jié)果。
比如，第4行圖像充分展示它在分割由大結(jié)構(gòu)和薄結(jié)構(gòu)組成的目標時的性能；在第六行復雜的圖像結(jié)構(gòu)下，產(chǎn)生了近乎完美的結(jié)果。
總之，U∧2-Net模型能夠處理全尺寸和小尺寸圖像的各種場景，與其他模型相比，能夠產(chǎn)生更高精度的顯著目標檢測結(jié)果。
好了。就這樣，希望了解更多論文內(nèi)容的可以戳這里：https://arxiv.org/pdf/2005.09007.pdf
等了一個小時的滴滴準時到了！
加油，打工人！
相關地址：
https://github.com/NathanUA/U-2-Net
https://github.com/yiranran/APDrawingGAN
https://webdocs.cs.ualberta.ca/~xuebin/
雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
