U2-NET论文阅读笔记

DeOldify图像上色

使用modelscope和gradio加载DeOldify图像上色的图像上色模型并前端推理。

U2-NET

改进

网络层面的改进,提出了一个RSU结构,类似于一个小型的unet结构。
U2-NET对于分割物体前背景取得了惊人的效果。同样具有较好的实时性,经过测试在P100上前向时间仅为18ms(56fps)。

RSU结构(ReSidual U-blocks)

在这里插入图片描述
RSU结构类似于一个小型的U-Net,将所有的RSU用一种类似U-Net的结构连接在一起。通过这种方式来增加多尺度能力。获得了极为优秀的分割结果。

整体网络

在这里插入图片描述
类似U-Net的网络,将其内部换成了RSU结构,每一层输出一个mask,最后将mask进行叠加经过卷积得到最终的mask。

loss函数

由七个loss相加(一共六层,每一层一个loss。再加上最后mask融合时的一个loss)。

您可能感兴趣的与本文相关的镜像

DeOldify图像上色

DeOldify图像上色

图片生成
图片编辑
DeOldify

使用modelscope和gradio加载DeOldify图像上色的图像上色模型并前端推理。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值