1.introduction

數據集包括，時尚模特數據集，超過18.8w張模特圖，從中選出35311張圖片，DIM數據集，僅包含人類的圖像，202個前景圖像，背景來自coco數據集和互聯網，背景圖不含人類，一個前景和100個背景。

2.our method

第一個網絡TNet，負責前景、背景和未知區域之間進行像素級分類，第二個網絡MNet，接受TNet的輸出作為語義提示，生成原始alpha描述，最終進過Fusion module融合，生成最終的alpha。

2.1 Trimap generation:TNet

????????????????扮演著語義分割的角色，輸出3通道圖，PSPNet50.

2.2 Matting network:MNet

????????將3通道圖像與來自TNet的3通道圖串聯作為6通道輸入，DIM使用3通道圖和1通道trimap（1,0.5,0表示前景，未知區域和背景）作為4通道輸入，6通道輸入和4通道輸入幾乎有相同的性能，MNet有13個卷積層和4個最大池化層，編碼器網絡和VGG16相同，VGG16的conv1是3個輸入通道，MNet有6個輸入通道，每個卷積層后面添加了批歸一化，移除了conv6和deconv6.

2.3 Fusion module

? ? ? ? F/B/U表示前景背景和未知區域，

2.4 Loss?

2.5 Implementation details

? ? ? ? TNet預訓練，膨脹alpha生成trimap，400x400；MNet，使用不同的膨脹和腐蝕核大小增強trimao對摳圖性能有影響。訓練時使用整個DIM數據集；端到端訓練，800x800.