闲鱼是如何处理复杂背景内容识别的

处理流程

复杂背景的处理流程分为如下几个步骤

• 内容召回：通过目标检测网络召回元素，即元素是否需要做背景提取操作。
• 区域判断：根据梯度等视觉方法判断所处区域是否是复杂区域。
• 简单区域：基于梯度的方式找到背景区块。
• 复杂区域：采用 SRGAN 网络进行内容提取。

内容召回

内容找回我们采用目标检测网络来实现，例如 faster-tcnn 或 mark-rcnn 等。如下图所示

区域判断

根据拉普拉斯算子计算周边梯度，判断所处区域是否是复杂区域。

简单背景

游戏目标检测模型本身等局限性，会导致无法达到限速级别等精准性，因此需要对位置做修正。如果是简单背景就可以基于梯度对思想做位置修正，具体计算方式如下

复杂背景

复杂背景时，上图是原图，下图是提取的文字区块。

此时提取出的框不是完全正确，那么此时根据梯度等机器视觉算法已经不能对位置做正确的修正了。本文提出了基于 GAN 网络的方式来解决复杂背景内容提取问题，网络的主要结构如下图所示

为什么选择 GAN 网络？

1. 基于 srGAN 网络，该网络加入了特征图的损失函数，这样可以很好保留高频信息，能更好的保留边缘。特征图的损失函数如下图所示

2. 由于有对抗损失的存在，可以很好的降低误检率。
3. 最重要的一点是在有透明度的场景下，语义分割网络只能“提取”元素，无法“还原”元素。而 GAN 网络不仅可以在提取元素的同时还原出未叠加时的像素情况。

网络训练流程图

针对业务场景针对 GAN 网络做的优化

1. 由于我们不是超分辨率场景，因此不用 pixelShuffler 模块做上采样
2. 由于场景比较复杂，可以引入 denseNet 和加深网络来提高准确率。
3. 内容损失函数对于压制误判的噪点效果不理想，因此加大了误判的惩罚，具体如下图所示

结果图 1

结果图 2

结束语

本篇我们通过复杂背景内容提取的介绍，提出了一种机器学习为主，图像处理为辅去精确获取特定前景内容的方法，得到了高精确率、高召回率和高定位精度的识别结果。

下图分别是传统算法 grabcut，语义分割方法 deeplab 和本文方法的各个指标的情况。

本文转载自公众号闲鱼技术（ID：XYtech_Alibaba）。

你也许感兴趣的：

• Google 辟谣放弃 TensorFlow，它还活着！
• 做了 5 年机器学习研究，我发现了这 7 个真相
• 做了 5 年机器学习研究，我发现了这 7 个真相
• 亚马逊机器学习服务Amazon SageMaker 又添九项新功能！
• 用程序员的独特视角解读《隐秘的角落》
• 吴恩达的 CS229，有人把它浓缩成 6 张中文速查表
• 如何判断你的项目是不是真的需要用到 AI？
• 谷歌刷新机器学习世界纪录！2 分钟搞定 ImageNet 训练
• 机器学习项目失败的9个原因
• 机器学习是统计学的新瓶装旧酒？