实测U^2-net显著目标检测算法

今天体验了下U^2 -Net，在2020年的时候刷爆了 reddit 和 twitter，号称是当年最强的静态背景分割算法。u-2-net 的结构长什么样？

长得像U型，原来是基于语义分割网络u-net的衍生模型，u-net于2015年提出最初应用在医疗影像分割任务上，由于效果很好，之后被广泛应用在各种分割任务中。

1 应用于印刷品的图案提取

提取logo

提取出来是这样的

2 应用于移除背景

我的晚餐😄

看起来，效果还可以，大概花了1小时把功能调通，迭代进了AR-lab项目里，取代了之前的人像分割模型，毕竟这个U^2-net适用的场景更为广，而且效果不错。

另外，有了此模型，我觉得我可以去淘宝接单了。。

承接ps抠图之类的业务，10张仅需1毛钱。

最后，案例2个基于U^2-net的背景移除开源工具包：

pip install rembg-greenscreen

pip install rembg

参考资料：

https://github.com/danielgatis/rembg

https://arxiv.org/pdf/2005.09007.pdf

https://github.com/ecsplendid/rembg-greenscreen

https://github.com/NathanUA/U-2-Net