以得到关于人物轮廓的特征库以及语意库，作为分离标准。
对静动像素的神经网络进行算法分析，可以得到需要处理的目标区域。
此外还有远近景的区分等等，这又是一个长长的课题清单。
监督学习和深度学习不再表述，总之这就是个黑盒模式。黑盒就是人类看不懂也无法解释的意思，其过程是个有目的的随机碰撞的过程，依赖于高gu的计算能力。
静动分析更好说，如果图片四角是静止的，那么目标可能就是动的。如果图片四角是移动的，那么目标可能是静止的。
远近景就不说了，有些时候并不是所有图片中动的物体都需要切割。
这里面临一个问题：英伟达支持ai计算的显卡目前还没布，所以这一项目想要实现，仍然还是依赖于服务器。
所以整个项目流程被定为，ai服务器从新a站服务器得到视频数据，将视频数据解码变为图片集，对像素进行标记，处理好的图片集再次打包成视频吐回服务器，视频网站设置对应的人、景、弹幕三者的zdex，在网站上和移动端把弹幕置于人景之间，最终呈现给用户的就是一个人景分离的弹幕了。
因为依赖于服务器的原因，算力是有限的，能从这一项目得到受惠的u主必然不会太多。因此这一成果将用于吸引优秀u主加入，作为优秀视频的奖励。
当然这些扯远了，眼下八字还没一撇。好端端的突然跳到这个科研树，原因是因为需要强化语意分割。
语意分割，其目标是知道图片中的物体是什么。
以微软识图为例，一张绿草如茵的图片，可能会被识别为“羊”。原因是，有关羊的训练库都和草地有关，所以看到草地，计算机就会自动认为这是“羊”。这就是无语意分割。
语意分割就是要搞清楚，“羊”是什么，“羊”长什么样，“羊”在哪。
机械手识别商品并进行抓取，用到是就是有语意分割的深度学习神经网络，但是存在着一些缺陷。
新开的这个项目就是为了强化语意分割的概念，进一步增加对图片的辨识度，并为图片中的物体赋予含义。
并不涉及到未知技术，叶晓奇也没打算插手。人景分离项目继天网课堂的人脸识别项目后，成为了新的可选实训项目。而人景分离，也将为天网课堂的考核教程提供素材。
叶晓奇点了一个人，做这个项目负责人，老实巴交的刘浩然，上一次刘浩然的展示给叶晓奇留下了深刻的印象。
校企合作那边也相应的提了要求，近期需要侧重提供包含人物的图片，以供学习。
(这个技术的灵感来源是b站的蒙版弹幕，早在蒙版弹幕出来的时候我就在搞这个玩了，fnc在这方面做的很好，再后来现可以不用这么玩，谷歌在2月份布了dee1abv3+可以直接做这个东西。这个技术真的很简单，当下的条件，一个人就能写了，只是跟团队比起来会有效率高低开快慢的不同，具体用到的工具和库也会不一样，有几个库可供选择，效果也不一样。到目前为止，本书中出现过的东西，都是现实里已经有的。ai弹幕，按道理来说，其实早就应该有了，可能是研ai的企业关注点都在别的方面，比如汽车和vr什么的，所以拖到2o18年才有。未来，本书也许会略带科幻元素，原则仍然还是以现有技术能否实现为基准，不会科幻的很离谱。)
第245章 人景分离[2/2页]