~~时装业是人工智能领域很有前景的领域。研究人员可以开发具有一定实用价值的应用。我已经在这里展示了我对这个领域的兴趣，在那里我开发了一个来自Zalando在线商店的推荐和标记服装的解决方案。~~

在这篇文章中，我们会开发一个提取连衣裙的应用。它输入原始的图像（从网络上下载或用智能手机拍照），并提取图像中的连衣裙。分割的难点在于原始图像中存在了大量的噪声，但是我们会在预处理期间通过一个技巧来解决这个问题。

~~最后，您还可以尝试将此解决方案与之前引用的解决方案合并。这允许您通过外出和拍摄时拍摄的照片，开发一个实时推荐和标记服装的系统。~~

数据集

最近有一项关于服装视觉分析和分割的Kaggle比赛。这是一个非常有趣的比赛，但它并不适合我们。我们的目标是从图像中提取连衣裙，因此这个数据集不太适合我们，因为它包含了比较多的冗余。我们需要的是包含连衣裙的图像，因此最好自己来构建数据集。

我收集了网络上的一些图片，其中包含了在不同场景穿着不同类型的连衣裙的人。然后需要创建蒙版，它在每个对象分割任务中都是必要的。

下面是我们的数据样本。我从互联网上收集了一些原始图像，经过进一步剪切，将人与衣服分开。

图像分割示例

因为我们要将背景、皮肤和连衣裙进行分离，首先要将它们区分出来。背景和皮肤是本问题中最相关的噪声源，我们要尽量减少它们的干扰。

通过手动分割来创建蒙版，如下图所示，简单的对蒙版进行二值化。

蒙版示例

最后一步，我们将所有的蒙版图像合并为三维的单个图像。这张照片表示了原始图像的相关特征。我们的目的主要是分离背景，皮肤和连衣裙，因此这个图像非常适合！

最终蒙版

我们对数据集中的每个图像重复这个过程，为每个原始图像提供三维的对应蒙版。

模型

我们可以很容易的建立模型，过程非常简单：

我们需要训练这样一个模型，该模型输入原始图像，可以输出它的三维蒙版，即分离皮肤、背景和衣服。训练完成之后，当一个新的图像输入时，我们就可以将它分成三个不同的部分：背景、皮肤和衣服。我们只关注感兴趣区域（连衣裙），这样蒙版结合原始图像，就可以裁剪出我们需要的连衣裙。

我们使用UNet建立该模型，它经常用于类似的分割任务，而且很容易在Keras中实现。

在开始训练之前，要对所有的原始图像进行均值标准化。

结果和预测

在预测期间，当遇到高噪声的图像（背景或皮肤模糊等）时，模型开始动荡。这种问题可以简单地通过增加训练图像的数量进行解决。但我们也开发了一个巧妙的方法来避免这种问题。

我们使用 OpenCV 提供的 GrubCut 算法。该算法利用高斯混合模型分离前景和背景。通过它可以帮助我们找到图像中的人物。

我们只实现了简单的功能。假设感兴趣的人站在图像的中间。

def cut(img):
img = cv.resize(img,(224,224))

mask = np.zeros(img.shape[:2],np.uint8)
bgdModel = np.zeros((1,65),np.float64)
fgdModel = np.zeros((1,65),np.float64)
height, width = img.shape[:2]
rect = (50,10,width-100,height-20)
cv.grabCut(img,mask,rect,bgdModel,fgdModel,5,
cv.GC_INIT_WITH_RECT)
mask2 = np.where((mask==2)|(mask==0),0,1).astype('uint8')
img2 = img*mask2[:,:,np.newaxis]
img2[mask2 == 0] = (255, 255, 255)

final = np.ones(img.shape,np.uint8)*0 + img2

return mask, final

执行GrubCut结果