AIBOX Anwendungsfall - Hintergrundentfernung über U²-Net

AIBOX-Serie

Sowohl AIBOX-OrinNano als auch AIBOX-OrinNX sind mit dem originalen Jetson Orin-Core-Board-Modul von NVIDIA, einem standardmäßigen Vollmetallgehäuse in Industriequalität, einer Aluminiumlegierungsstruktur zur Wärmeleitung und einem Bannergitterdesign an der Seite der oberen Abdeckungsschale zur effizienten Wärmeableitung ausgestattet, wodurch Rechenleistung und Stabilität bei Hochtemperaturbetrieb sichergestellt werden und verschiedene Anwendungsanforderungen in Industriequalität erfüllt werden.

Anwendungsfall: Hintergrundentfernung

Die Technologie zur Hintergrundentfernung hat sich zu einem wichtigen Werkzeug im Bereich der Bildverarbeitung entwickelt und wird hauptsächlich in Szenarien wie Bildbearbeitung, Datenanalyse und Anwendungsentwicklung verwendet.

Typische Anwendungen:

• Bildverarbeitung: Extraktion von E-Commerce-Produktbildern, Porträtverschönerung, medizinische Bildanalyse.
• Videoverarbeitung: Greenscreen-Ersatz in Echtzeit, dynamische Objektverfolgung.
• Vorverarbeitung für wissenschaftliche Forschung: Verbesserung der Quantifizierungsgenauigkeit durch Hintergrundentfernung bei der meteorologischen chromatographischen Analyse.

U²-Netz

U²-Net (U-squared Net) ist ein Deep-Learning-basiertes Bildsegmentierungsmodell für hochpräzise Hintergrundentfernungsaufgaben. Seine wichtigsten technischen Merkmale und Anwendungsszenarien sind wie folgt:

• Duale U-förmige Codec-Struktur.
• Tiefenüberwachung und Verlustfunktion.
• Leichtbauweise.

Quellcode herunterladen

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

Kompilieren/Installieren

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

Ausführen des Beispiels

1. # remove the background (with alpha)
2. $ ./backgroundnet.py images/bird_0.jpg images/test/bird_mask.png
4. # replace the background
5. $ ./backgroundnet.py --replace=images/snow.jpg images/bird_0.jpg images/test/bird_replace.jpg