TensorFlow.js最新模型BodyPix 2.0释出，靠浏览器就能进行即时多人物分割

Tensorflow官方现在释出TensorFlow.js新的人物分割模型BodyPix 2.0，这个新版本新增多人支援，且也以ResNet50改善了精确度，官方也提供了权重量化功能，并支援不同图像尺寸。最新版本的BodyPix已经可以在GitHub储存库中取得。

BodyPix是一个开源的机器学习模型， 让开发者在浏览器中，使用TensorFlow.js对图像进行人物（Person Segmentation）和身体部分(Body-part Segmentation)的分割。图像分割技术是对图像中的画素进行语义分类，通常用于侦测物体或是边界，而BodyPix模型可以在图像中辨识出人，或是人的24个身体部位，也就是说，BodyPix可以将图像的画素分为人物与背景两类，而针对人物的画素，还可细分为24个部位。

官方提到，之所以要在浏览器支援人物分割的功能，是因为目前大多数的人物分割对系统的要求都很严苛，像是要使用专用硬件以及安装较复杂的软件，才能进行即时的人物分割，但BodyPix提供一个简单的方式，让使用者不需要安装软件，也不需要使用专业的摄影机。

BodyPix模型可以搭配任意网络摄影镜头和行动装置的镜头使用，而使用者只需要在浏览器输入URL，即可存取这些人物分割应用程序，而且因为所有的计算都是在装置上完成，使用者资料皆能保持私密。

在进行人物分割的时候，BodyPix模型会预测所有画素属于人的概率，这些数字是介于0到1之间的浮点数，开发者可调整分割阈值，设定一个画素属于人的值，当阈值为0.5时，画素的值大于0.5则会被设定成二进制的1，而小于0.5便会被转换成0，藉以分割图像中人与背景（下图）。身体部位分割也是采用类似的方法，身体的每个画素都会被分类为0到23的整数值，指示像素属于24个身体部位的其中一个，而身体外部的画素则会被设定为-1。

在之前，BodyPix都只能处理图像中的单一人物，而新推出的BodyPix 2.0，最重要的更新便是开始支援即时多人物分割，在包含多人的图像中，模型可以分别预测每个人的分割，不只如此，现在还能进行多人物的身体部位分割，将图像中的每个人从背景分割出来后，并且分割每个人物的每个身体部位。