基于pytorch的UNet分割网络demo实现，及训练自己的数据集。包括对相关报错的分析。收集了几个比较好的前辈的网址。

基于tensorflow，python的unet，resnet, pspnet应用，包含数据集。是一个不错的入门项目。可将数据集换成自己的数据集就可以训练了。

Sxela的face2comics（Alex Spirin） 这是漫画数据集的一对面Kong，可用于训练pix2pix或类似的网络。 该数据集包含许多糟糕的噩梦样本，这些样本对于将模型识别为不是脸的事物进行跟踪时，对于将整个图像转换为喜剧漫画非常有用。 v1.0.0数据集 深色样式， 对（总共20k张图像） 2x2数据集样本： 10x10数据集样本： 在此数据集上受训的Fastai推理样本： 您可以使用他们很棒的笔记本训练自己的unet

纵向分割 移动设备的实时自动深度抠图 人像分割是指从背景中分割人的过程。 在这里，我们使用语义分割的概念来预测图像中每个像素的标签（密集预测）。 此技术广泛用于计算机视觉应用程序，例如移动设备上的背景替换和背景模糊。 在这里，我们将自己限制为二进制类（人物或背景），并且仅使用纯净的肖像自拍照图像进行抠图。 我们对以下架构进行了实验，以为移动设备实现实时人像分割模型。 移动Unet DeeplabV3 + 棱镜网 肖像网 超薄网 网络 使用标准（和自定义）肖像数据集对模型进行了训练，并借助