1.introduction

数据集包括，时尚模特数据集，超过18.8w张模特图，从中选出35311张图片，DIM数据集，仅包含人类的图像，202个前景图像，背景来自coco数据集和互联网，背景图不含人类，一个前景和100个背景。

2.our method

第一个网络TNet，负责前景、背景和未知区域之间进行像素级分类，第二个网络MNet，接受TNet的输出作为语义提示，生成原始alpha描述，最终进过Fusion module融合，生成最终的alpha。

2.1 Trimap generation:TNet

                扮演着语义分割的角色，输出3通道图，PSPNet50.

2.2 Matting network:MNet

        将3通道图像与来自TNet的3通道图串联作为6通道输入，DIM使用3通道图和1通道trimap（1,0.5,0表示前景，未知区域和背景）作为4通道输入，6通道输入和4通道输入几乎有相同的性能，MNet有13个卷积层和4个最大池化层，编码器网络和VGG16相同，VGG16的conv1是3个输入通道，MNet有6个输入通道，每个卷积层后面添加了批归一化，移除了conv6和deconv6.

2.3 Fusion module

        F/B/U表示前景背景和未知区域，

2.4 Loss 

2.5 Implementation details

        TNet预训练，膨胀alpha生成trimap，400x400；MNet，使用不同的膨胀和腐蚀核大小增强trimao对抠图性能有影响。训练时使用整个DIM数据集；端到端训练，800x800.