本文提出一种基于DeepLab的二阶段人像分割方法,该方法可应用于图像、视频编辑中的人像编辑。首先改进DeepLab的空洞卷积,将空间空洞卷积金字塔中的空洞卷积替换为更密集的空洞卷积,有效提高了卷积核在感受野中的覆盖率。其次,提出了基于一种二阶段的分割模型,将加入大卷积核的DeepLab作为第一阶段,通过捕获更多上下文信息以得到更连续的分割结果,第二阶段使用全分辨率的卷积层进一步优化边缘细节。最后,根据二阶段的神经网络,设计了针对该结构的损失函数。其中一部分使用回归损失约束第一阶段的结果,另一部分使用传统的语义分割损失函数约束最终结果,两部分加权相加得到最终结果。两种改进方法已经在Supervisely Person数据集上得到了验证,其结果证明了算法的有效性。