alpr-unconstrained

语义软分割。语义软分割(Semantic Soft Segments)，旨在精确表示图像不同区域间的软过渡. 类似于磁力套索(magnetic lasso) 和魔术棒(magic wand) 的功能. 普通语义分割将每个像素分配到一个类，语义软分割中则每个像素有可能分配到多个类，且目标之间的过渡区域平滑，这对于图像编辑是非常重要的。以往这需要专业的PS人员处理，而通过软语义分割，将这个过程实现自动化。

反美颜系统。美颜就是通过“曲面液化”来达到形状调整的目的的， 只要经过液化的照片，电脑都能找到痕迹，并将其还原。

P图神器。通过简单涂鸦，就可以调整图中人物的眉毛、鼻梁、脸型、嘴型眼睛大小，当然头发也是可以生成的(光头变成浓密秀发~)，另外还可以生成耳饰。

去除图中的雨。图像中雨水条纹会严重降低能见度，导致许多当前的计算机视觉算法无法工作，比如在自动驾驶场景下图像去雨就变得非常重要。

视觉迁移模型。谷歌发文介绍了其BigTransfer（BiT），称其为目前最先进的预训练模型，在分类问题中仅需要每个类少量几个样本即可达到极其优秀的性能。事实上，在ImageNet预训练的ResNet50系列模型是当前的工业标准，用于提取图像特征。在谷歌在论文 BigTransfer (BiT) 中分享的模型则可以轻松打败ResNet50，尽管数据量很少。

去除人脸马赛克。眼中有码，心中无码”是境界，“图上有码，脑补解码”就是PULSE算法了。 PULSE 算法目前只支持人脸的马赛克“去除”，因为训练数据都是人脸。