cv_unet_universal-matting通用万物抠图模型

通用抠图对输入图像中的主体进行抠图处理，支持商品、人物、动物、植物、汽车等等，无需任何额外输入，实现端到端通用万物抠图，输出四通道抠图结果。

人像抠图建议

如果您想对人像抠图查看以下文章，因为您目前所浏览的模型仅对物体检测支持较好，对人物的抠图效果较差，以下是对比情况。

cv_unet_image-matting｜人像抠图

模型描述

模型分为粗分割和精细抠图两个子网络，将抠图复杂问题拆解，先粗分割再精细化分割，两部分网络均为unet结构。粗分割网络从输入图片预测粗语义分割mask，精细分割网络基于原图和粗语义分割mask预测精细的抠图结果。

期望模型使用方式以及适用范围

使用方式：

直接推理，输入图像直接进行推理

使用范围:

适合含有主题的图像分割，期望图像中主体占比不要过小
在分辨率小于2000×2000图像上可取得期望效果

目标场景:

需要图像抠图的场景，如换背景等

部署教程

如果您是初学者，对于命令行不太理解，那么请按下键盘上的Win键+R键后，在弹出的新窗口内输入CMD并按下回车，打开CMD窗口，按顺序执行如下的每一条命令。

首先我们需要确认一个工作目录，用来存放cv_unet_universal-matting的相关环境依赖文件。本站所选择的目录为D盘的根目录下openai.wiki文件夹，完整路径为：D:\openai.wiki\cv_unet_universal-matting。

检测D盘是否在openai.wiki目录下有没有cv_unet_universal-matting文件夹，没有则创建该文件夹。

if not exist D:\openai.wiki\cv_unet_universal-matting mkdir D:\openai.wiki\cv_unet_universal-matting

强制切换工作路径为D盘的openai.wiki\cv_unet_universal-matting文件夹。

cd /d D:\openai.wiki\cv_unet_universal-matting

为不影响电脑中的现有环境，请一定要安装Conda，如果您不知道什么是Conda，或者未安装过Conda，请参考如下文章，安装部署Conda之后再继续以下步骤。

Anaconda｜Miniconda

在CMD中执行下面的命令行，创建Conda虚拟环境至该项目的目录中，方便日后重装系统也能够正常使用，无需重新部署环境。

conda create -p D:\openai.wiki\cv_unet_universal-matting\ENV python=3.7

执行完成上面的命令之后，将会在CMD窗口中看到Proceed ([y]/n)?提示，我们直接按下回车即可。

初始化Conda环境，避免后续可能报错。

conda init cmd.exe

激活已创建的Conda环境，这样我们可以将我们后续所需要的所有环境依赖都安装至此环境下。

conda activate D:\openai.wiki\cv_unet_universal-matting\ENV

执行如下命令，安装阿里达摩院相关依赖。

pip install modelscope

执行如下命令，安装torch依赖。

pip3 install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple

关于tensorflow的安装，支持CPU和GPU双版本，以下两行代码选择其中一个执行安装即可。

如果你想用CPU来计算，请复制第一行内容执行。如果你想用GPU来计算，请复制第二行内容执行。

pip install --upgrade tensorflow

pip install --upgrade tensorflow-gpu

执行如下命令，安装CV2依赖库。

pip install opencv-python

执行如下命令，卸载较新的protobuf版本依赖库。

pip uninstall protobuf

执行如下命令，安装3.20.0版本的protobuf依赖库。

pip install --force-reinstall protobuf==3.20.0

使用教程

推荐下载VS Code代码编辑器，然后在代码编辑器器内新建一个Python文件，粘贴如下代码，在代码编辑器的右下角选择Python环境为D:\openai.wiki\cv_unet_universal-matting\ENV。

默认情况下，使用该方式将会仅输出视频的黑白遮罩，如果您会使用PhotoShop或After Effects等软件，那么您肯定会了解遮罩的作用是什么，您可以理解为这个遮罩层的白色为保留区域，黑色删除的部分。

该模型官方并未给了示例，本站已经帮您写好了相关的代码，复制粘贴即可使用。

注意：请自行输入名称（resultIMGName）为自己的图像文件名称，然后再执行，否则会报错。

# 此脚本由openai.wiki提供，转载请注明出处，谢谢配合。

import cv2
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
from modelscope.outputs import OutputKeys

# 原图名称
resultIMGName = 'openai.wiki'
# 原图格式
resultIMGFormat = '.jpg'
# 原图路径
resultIMGPath = 'D:\openai.wiki\cv_unet_universal-matting'
# 输出图像名称
outputIMGName = 'openai.wiki'
# 输出格式 | 尽量不要改
outputFormat = '.png'
# 输出路径
outputIMGPath = 'D:\openai.wiki\cv_unet_universal-matting'

print (('原图路径：%s/%s%s'%(resultIMGPath,resultIMGName,resultIMGFormat)).replace('\\', '/'))
print (('输出路径：%s/%s%s'%(outputIMGPath,outputIMGName,resultIMGFormat)).replace('\\', '/'))
universal_matting = pipeline(Tasks.universal_matting,model='damo/cv_unet_universal-matting')
result = universal_matting(('%s/%s%s'%(resultIMGPath,resultIMGName,resultIMGFormat)).replace('\\', '/'))
cv2.imwrite((('%s/%s%s'%(outputIMGPath,outputIMGName,resultIMGFormat)).replace('\\', '/')), result[OutputKeys.OUTPUT_IMG])
print ('输出完成')