安卓7在开发人像功能上主要依赖于图像语义分割技术和深度学习算法。该功能可以有效区分背景和人物，将人物的轮廓分离出来，实现背景虚化，让人物更加突出，达到美化照片的效果。
图像语义分割技术是指将一张图像按照语义信息进行划分，即将图像中的每个像素归为预设的几个类别，如人、车、树等，这样对图像进行分割后，在不同的像素区域内可以运用不同的算法来进行进一步处理。
在安卓7的人像模式中，首先要对图像进行预处理。这一步骤的目的是将图像转化为包含语义信息的矩阵，以便进行图像分割。图像分割主要通过深度学习算法来实现，如卷积神经网络（CNN）和全卷积网络（FCN）等。
卷积神经网络是深度学习中常用的模型，它的主要特点是可以将图像分解为各个卷积层，每层可以抽取不同的特征。在图像语义分割中，首先需要搭建一个基础的卷积神经网络，对训练数据进行训练，从而得到模型。对于新的输入图像，可以通过模型来进行像素级别的分类和分割。
全卷积网络是一种特殊的神经网络结构，相对于传统的卷积神经网络，它的最后几个卷积层的全连接层被替换成全卷积层，这样可以保证输出的形状和输入的形状一致。对于安卓7的人像模式来说，全卷积网络可以帮助我们将图像分割成具有语义的区域，将人物和背景分开，这样可以为后续的图像处理做好准备。
在得到分割后的图像区域后，可以使用高斯模糊算法来进行背景虚化。高斯模糊算法是一种模糊技术，可以在一定程度上模拟人类眼睛的焦距和景深效果。
总的来说，安卓7的人像模式是依赖于图像语义分割技术和深度学习算法来实现的。通过对图像进行预处理，使用卷积神经网络或全卷积网络进行分割，最后结合高斯模糊算法进行背景虚化，可以让人物更加突出，让照片更加美观。
