1. custom_layers
   1. scale_layer.py
   2. uppooling_layer.py
2. config.py
   1. 工程中模型配置参数，数据路径，样本数，样本尺寸等
3. data_generator.py
   1. 训练时调用此代码来生成每个batch_size的样本
      1. get_alpha
         1. 根据mask图读取其alpha图
      2. get_alpha_test
      3. composite4
         1. 图像融合算法关键方法
      4. process
         1. 根据原图,mask图,alpha图融合图像
      5. generate_trimap
         1. 对alpha图随机腐蚀膨胀生成trimap图
      6. random_choice
         1. 以未知区域某个像素点为中心随机裁剪
      7. DataGenSequence
         1. 模型训练时使用的数据生成器
4. model.py
   1. build_encoder_decoder
   2. build_refinement
   3. 模型由此两部分组成，分开构建，分开画图【33层】
5. plot_model.py
   1. 直接调用keras的plot_model画出build_encoder_decoder的网络结构图
6. 1. pre_process.py
   1. 数据预处理，没用
7. segnet.py
   1. 跟model几乎一样，但是其build_encoder_decoder部分的kernel大小从3变为5。model中会一直是3
   2. 【37层】
8. test.py
   1. 载入模型，并根据输入的原图+trimap图预测最后合成效果图
9. test_alphamatting.py
   1. 载入模型，仅测试特定目录alphamatting下的几张图
10. train.py
    1. 模型训练的入口函数，开始训练模型
    2. 训练开始
11. train_encoder_decoder.py
    1. 单独训练build_encoder_decoder
12. train_final.py
    1. 跟train.py几乎一样
13. train_refinement.py
    1. 单独训练build_refinement，注意它需要encoder_decoder作为输入
14. utils.py
    1. 计算训练模型过程中的一些损失函数
       1. overall_loss
       2. alpha_prediction_loss
       3. compositional_loss
       4. compute_mse_loss
       5. compute_sad_loss
       6. 其他辅助函数
15. vgg16.py
    1. VGG16网络的定义,载入了包含了预训练模型权重的
16. migreate.py
    1. 迁移学习：将VGG16模型的预训练参数赋值给当前新模型，一般是encoder_decoder模型
17. demo.py
    1. demo程序，载入官方提供的预训练模型，测试图片融合
       1. 1. 构建模型
       2. 2. 载入权重
       3. 3. 载入需要融合的前景图
       4. 4. 载入需要融合的背景图
       5. 5. 根据前景图文件名对应的mask得到alpha图
       6. 6. 根据alpha图中确定区域和不确定区域，复制一份数据，随机腐蚀膨胀生成trimap
18. 蓝色代表数据处理相关
19. png格式的merged_test
20. jpg格式的bg_test
21. mask_test中的fg图片
22. trimap