TensorFlow.js最新模型BodyPix 2.0釋出，靠瀏覽器就能進行即時多人物分割

Tensorflow官方現在釋出TensorFlow.js新的人物分割模型BodyPix 2.0，這個新版本新增多人支援，且也以ResNet50改善了精確度，官方也提供了權重量化功能，並支援不同圖像尺寸。最新版本的BodyPix已經可以在GitHub儲存庫中取得。

BodyPix是一個開源的機器學習模型， 讓開發者在瀏覽器中，使用TensorFlow.js對圖像進行人物（Person Segmentation）和身體部分(Body-part Segmentation)的分割。圖像分割技術是對圖像中的畫素進行語義分類，通常用於偵測物體或是邊界，而BodyPix模型可以在圖像中辨識出人，或是人的24個身體部位，也就是說，BodyPix可以將圖像的畫素分為人物與背景兩類，而針對人物的畫素，還可細分為24個部位。

官方提到，之所以要在瀏覽器支援人物分割的功能，是因為目前大多數的人物分割對系統的要求都很嚴苛，像是要使用專用硬體以及安裝較複雜的軟體，才能進行即時的人物分割，但BodyPix提供一個簡單的方式，讓使用者不需要安裝軟體，也不需要使用專業的攝影機。

BodyPix模型可以搭配任意網路攝影鏡頭和行動裝置的鏡頭使用，而使用者只需要在瀏覽器輸入URL，即可存取這些人物分割應用程式，而且因為所有的計算都是在裝置上完成，使用者資料皆能保持私密。

在進行人物分割的時候，BodyPix模型會預測所有畫素屬於人的機率，這些數字是介於0到1之間的浮點數，開發者可調整分割閾值，設定一個畫素屬於人的值，當閾值為0.5時，畫素的值大於0.5則會被設定成二進位的1，而小於0.5便會被轉換成0，藉以分割圖像中人與背景（下圖）。身體部位分割也是採用類似的方法，身體的每個畫素都會被分類為0到23的整數值，指示像素屬於24個身體部位的其中一個，而身體外部的畫素則會被設定為-1。

在之前，BodyPix都只能處理圖像中的單一人物，而新推出的BodyPix 2.0，最重要的更新便是開始支援即時多人物分割，在包含多人的圖像中，模型可以分別預測每個人的分割，不只如此，現在還能進行多人物的身體部位分割，將圖像中的每個人從背景分割出來後，並且分割每個人物的每個身體部位。