人像分割技術目前已經逐漸成熟，在抖音、快手、美圖等等APP中已經都有應用，而且是Camera實時處理，然而，追究細節，各家效果卻大同小異，都存在一個問題：無法處理好邊緣細節的分割，尤其是頭髮絲的處理，這裏以人工智能大佬“商湯科技”的頭髮分割SDK爲例，分割結果如下圖所示：
我們可以看到，頭髮邊緣的處理屬於純粹的硬分割，對於頭髮絲無能爲力。
針對這個問題，一般的做法是使用圖像Matting的方法，但是這種方法太耗時，實時起來比較困難，目前最新的論文，也是效果最好的論文是來自曠世的：Disentangled Image Matting
該論文的效果達到了髮絲級別，如下圖所示：
網絡結構如下：
效果上看，確實達到了髮絲級別，實例圖髮絲清晰可見，然而，本文卻並未對時間消耗做出評估，可見，也是隻適用於圖片處理，距離實時還有一段距離。
爲了在實時情況下分割出較好的邊緣，本人將分割網絡(這裏使用的是Unet的小模型改進版)內嵌，在分割網絡的基礎上進行了幾次卷積，模擬Matting的類似操作，但並沒有使用Trimap，通過bgremove網站導出500張樣本，訓練1000次，僅對邊緣細節處理做了可行性分析，得到了如下結果：
樣本數量過少，背景單一，但是可以看到頭髮邊緣問題有所改善，網絡模型大小587K，可以手機端實時處理。
後面本人將會使用大批量的複雜背景樣本進行測試，最後給出完整的結果。