u2net是目前stable-diffusion-webui默认的抠图算法，但是在电商图场景实测下来，效果是很一般的。

1.introduction

1.能否设计一个新的网络用语SOD，允许从头训练；2.保持高分辨率特征图的同时网络更深。U2net是一种为SOD设计的两级嵌套U结构，不使用图像分类的预训练骨干网络，在底层设计了一种新颖的Residual U-blocks，能够提取多尺度特征而不降低特征图分辨率，在顶层，有一个类似UNET的结构，每个极端都由RSU填充。U2net 176.3M，U2netp 4.7Mb。

2.Proposed method

2.1 Residual U-blocks

        局部和全局特征非常重要，大小为1x1或3x3的小型卷积是常用的特征提取组件，浅层的输出特征图仅包含局部特征，因为1x1或3x3卷积的感受野太小，无法捕获全局信息。为了在浅层的高分辨率特征图中获得更多的全局信息，最直接的想法是扩大感受野。

图2中d用了inception结构，通过扩张卷积来扩大感受野，受unet启发，RSU用于捕捉阶内多尺度特征，RSU和残差连结最大的不同在于，RSU使用了一个类似于UNET的结构来替换单一流的普通卷积，并用一个权重层转换的局部特征来代替原始特征。这种设计变化使得网络可以直接从每个残差块中提取多尺度的特征，由于大部分操作是在下采样的特征图上进行的，因此U结构带来的计算开销是很小的。

2.2 Architecture of u2net

U2net是嵌套的unet，不是级联的，是一个2级嵌套结构，其顶层由11个stage组成的大型unet，每个stage是一个RSU，6个阶段的编码器，5个解码器和一个显著图融合模块。 

2.3 Supervision

 交叉熵监督sup0-6，

def muti_bce_loss_fusion(d0, d1, d2, d3, d4, d5, d6, labels_v):
    loss0 = bce_loss(d0, labels_v)
    loss1 = bce_loss(d1, labels_v)
    loss2 = bce_loss(d2, labels_v)
    loss3 = bce_loss(d3, labels_v)
    loss4 = bce_loss(d4, labels_v)
    loss5 = bce_loss(d5, labels_v)
    loss6 = bce_loss(d6, labels_v)

    loss = loss0 + loss1 + loss2 + loss3 + loss4 + loss5 + loss6
    # print("l0: %3f, l1: %3f, l2: %3f, l3: %3f, l4: %3f, l5: %3f, l6: %3f\n"%(loss0.data.item(),loss1.data.item(),loss2.data.item(),loss3.data.item(),loss4.data.item(),loss5.data.item(),loss6.data.item()))

    return loss0, loss

4.Experimental results

4.1 Datasets

DUTS-TR:10533张图