库名称: transformers 任务标签: 图像分割 标签:

• 图像分割
• 掩膜生成
• transformers.js
• 视觉
• 背景移除
• 人像抠图 许可证: apache-2.0 语言:
• 英文

U-2-Net

模型描述

U-2-Net是一种专为图像分割任务设计的深度学习模型，尤其擅长生成精细掩膜。该模型采用独特的嵌套U型块架构，既能捕捉高层语义特征，又能保留细粒度细节。U-2-Net在各类分割任务中表现卓越，适用于背景移除、目标检测和医学图像分析等多种应用场景。

使用方法

使用BritishWerewolf/U-2-Net进行掩膜生成。

示例

import { AutoModel, AutoProcessor, RawImage } from '@huggingface/transformers';

const img_url = 'https://huggingface.co/ybelkada/segment-anything/resolve/main/assets/car.png';
const image = await RawImage.read(img_url);

const processor = await AutoProcessor.from_pretrained('BritishWerewolf/U-2-Net');
const processed = await processor(image);

const model = await AutoModel.from_pretrained('BritishWerewolf/U-2-Net', {
    dtype: 'fp32',
});

const output = await model({ input: processed.pixel_values });
// {
//   mask: Tensor {
//     dims: [ 1, 320, 320 ],
//     type: 'uint8',
//     data: Uint8Array(102400) [ ... ],
//     size: 102400
//   }
// }

模型架构

U-2-Net采用嵌套U型结构，每个U型块包含多个卷积层、池化和上采样操作。该架构结合下采样与上采样路径，使模型能学习不同尺度的特征。这种设计使U-2-Net能生成精确的高分辨率分割图，其核心组件包括增强特征表示的残差U型块(RSU)，确保网络信息高效流动。

推理

进行模型推理时，可参照上述示例。通过transformers库的AutoProcessor和AutoModel类可便捷加载模型与处理器。

致谢

• rembg 提供ONNX模型
• 原始U-2-Net模型作者详见 https://github.com/xuebinqin/U-2-Net

许可证

本模型遵循Apache 2.0许可证，与原始U-2-Net模型保持一致。