宝塔服务器面板，一键全能部署及管理，送你10850元礼包，点我领取

　　杨净发自凹非寺

　　现在人人可试可玩的图像分割来了。

　　在线 API，只需输入图片网址，即可自动删除目标背景。

　　就拿今天凌晨刚夺得欧冠冠军的拜仁来试试手～

　　然后就变成了这样。

　　不过，也有翻车的时候，就像这头大象。

　　分割之后…诶，它的另一只牙去哪了？

　　以及，在同时有手和猫的时候。

　　它呈现的结果就……有点怪异。

　　这项新应用名叫 ObjectCut，在 Reddit 上一经发布，12 小时就获得700+的热度。

　　不少网友表示：It’s amazing！

　　简单三步，人人可试可玩

　　就以上面那头大象为例，使用步骤非常简单。

　　首先，任意选择一张图片，复制图片地址。

　　第二步，网站上将地址粘贴到指定位置，然后点击 Test Endpoint。

　　等待几秒之后，点击旁边生成的网址，就大功告成啦！

　　然后就变成了这样一头少了一颗牙的大象。

　　还是那个北大校友的研究

　　是不是觉得这项技术很熟悉，简单几步就可以去移除图片背景？

　　跟之前的 AR 应用 AR Cut & Paste——有异曲同工之妙。

　　这两项应用背后的主要技术，都是一个叫做 BASNet 的显著目标检测方法。

　　这篇研究入围了 CVPR 2019，其论文一作是位华人小哥哥——秦雪彬，已经于今年 2 月在在加拿大阿尔伯塔大学拿到了博士学位，硕士就读于北京大学。

　　BASNet 的核心框架如下图所示，主要由 2 个模块组成：

　　第一个模块是预测模块，这是一个类似于U-Net 的密集监督的 Encoder-Decoder 网络，主要功能是从输入图像中学习预测 saliency map。

　　第二个模块是多尺度残差细化模块(RRM)，主要功能是通过学习残差来细化预测模块得到的 Saliency map，与 groun-truth 之间的残差，从而细化出预测模块的 Saliency map。

　　而除了BASNet，还有网友推荐了U2-Net，依然来自同一个作者，其效果更好。

　　其研究是《U2 -Net: Going Deeper with Nested U-Structure for Salient Object Detection》

　　实验结果像这样：

　　同一项技术，不一样的玩法，你觉得这个方法还可以做什么有趣的应用？

　　另外，想要去试试这个在线图像分割应用，可戳下方链接哦～

　　网址：

• https://rapidapi.com/objectcut.api/api/background-removal

　　参考链接：

• https://www.reddit.com/r/MachineLearning/comments/if1sdg/p_objectcut_api_that_removes_automatically_image/