U-2-Net 是 Pattern Recognition 2020 论文的官方 PyTorch 实现，用嵌套 U 型结构做显著目标检测，帮开发者从图像里分离出最吸引注意的主体。典型场景是抠图：输入一张照片，直接得到前景与背景分离的 mask，用于后续合成或编辑。
The code for our newly accepted paper in Pattern Recognition 2020: "U^2-Net: Going Deeper with Nested U-Structure for Salient Object Detection."
按钮会在新标签页打开，本站不代理、不镜像仓库内容。
这是极市团队整理的 CVPR 历年论文、代码与解读合集，帮开发者省去逐篇翻找的功夫。想复现图像分割等方向的工作时，可直接按年份检索，一次拿到论文、开源代码和中文解读。
这是一个基于 PyTorch 的图像分割模型库，提供语义分割网络与预训练 backbone，省去从零搭建和训练编码器的麻烦。最典型的用法是加载现成模型，在自己的数据集上微调，快速完成分割任务。
基于 PyTorch 的语义分割工具箱与 benchmark，它把主流分割模型、数据集和训练流程统一到同一套配置里，省去重复搭建代码的麻烦。想复现论文结果或跑自己的数据集，改几行 config 就能用 CLI 启动训练与推理。
这是一套图像分割与计算机视觉的 Jupyter Notebook 教程合集，帮开发者快速上手从 ResNet 到 YOLO11、SAM 3 等主流模型。最典型的用法是直接运行 notebook，跟着代码完成数据准备、模型推理与效果可视化。
PaddleSeg 是一个基于 Python 的图像分割库，提供丰富的预训练模型，覆盖语义分割、交互式分割、全景分割、抠图与 3D 分割等任务。开发者可用它快速搭建从训练到部署的完整 workflow，典型场景是加载预训练模型微调后，通过 SDK 或 CLI 集成到实际业务中。
这是一个在浏览器端直接完成图像抠图的 TypeScript 库，无需上传服务器，兼顾隐私与成本。它适合在 Web 应用里做即时的背景移除，比如电商商品图一键去背，通过简单 API 即可接入。
