部署 U²-Net 实现智能背景移除

English | 简体中文

NVIDIA 系列 AIBOX

AIBOX-OrinNano 和 AIBOX-OrinNX 均搭载 NVIDIA 原装 Jetson Orin 核心板模组，标配工业级全金属外壳，铝合金结构导热，顶盖外壳侧面采用条幅格栅设计，高效散热，保障在高温运行状态下的运算性能和稳定性，满足各种工业级的应用需求。

	AIBOX-OrinNX	AIBOX-OrinNano
模组	Jetson Orin NX 16GB	Jetson Orin Nano 8GB
AI 性能	157 TOPS	67 TOPS
GPU	搭载 32 个 Tensor Core 的 1024 核 NVIDIA Ampere 架构 GPU	搭载 32 个 Tensor Core 的 1024 核 NVIDIA Ampere 架构 GPU
CPU	8 核 Arm Cortex - A78 64 位 CPU 2MB L2 + 4MB L3	6 核 Arm Cortex A78 64 位 CPU 1.5MB L2 + 4MB L3
DDR	16GB 128 位 LPDDR5 102.4GB/s	8GB 128 位 LPDDR5 68 GB/s
HDMI	4K@60Hz	4K@30Hz

背景移除

Background Removal（背景移除）技术已成为图像处理领域的重要工具，主要应用于图像编辑、数据分析和应用开发等场景。

典型应用：

（1）图像处理‌：电商产品图抠像、人像美化、医学影像分析

（2）视频处理‌：实时绿幕替代、动态物体追踪

‌（3）科研预处理‌：气象色谱分析中通过背景移除提升量化精度

U²-Net

U²-Net（U-squared Net）是一种基于深度学习的图像分割模型，专为高精度背景移除任务设计，其核心技术特点和应用场景如下：

双U型编解码结构
深监督与损失函数
轻量化设计

下载源码

$ git clone --recursive --depth=1 https://github.com/dusty-nv/jetson-inference

编译 / 安装

参考：https://github.com/dusty-nv/jetson-inference/blob/master/docs/building-repo-2.md

运行示例

# remove the background (with alpha)
$ ./backgroundnet.py images/bird_0.jpg images/test/bird_mask.png                   


# replace the background
$ ./backgroundnet.py --replace=images/snow.jpg images/bird_0.jpg images/test/bird_replace.jpg