基于显著性目标检测的非特定类别图像分割项目python源码+项目说明文档.zip

# U2NetCPP_VS 环境以及相关说明 ## 一、 开发环境及运行环境 ### 1.1 开发环境 - Windows (20H2)： 10.0.19042.928 - Microsoft Visual Studio Community 2017： 15.9.34 - Microsoft .NET Framework： 4.8.04084 - CUDA：11.2.142 - cuDNN：8.0.5 - OpenCV：4.5.1 - CMake：3.20.0 ### 1.2 运行环境 - 使用CUDA加速需要GPU算力大于3.5 - 如果有遇到“MSVSP140.dll丢失相关的错误”，请到[The latest supported Visual C++ downloads](https://support.microsoft.com/en-us/topic/the-latest-supported-visual-c-downloads-2647da03-1eea-4433-9aff-95f26a218cc0)下载 [vc_redist.x64.exe](https://aka.ms/vs/16/release/vc_redist.x64.exe) ## 二、U2NetCPP_VS 相关说明 ## 2.1 配置文件 使用不同的U2Net ONNX模型，只需要修改配置文件config.ini即可。 ```ini [Path] ONNXModel = ./onnx_models/u2netp.onnx TestImages = ./test_images ImageExt = jpg [ModelSetting] InputHeight = 400 InputWidth = 400 UseGPU = 1 ``` section [Path]： - ONNXModel onnx：模型文件路径 - TestImages： 测试图片文件夹（不支持图片路径，可以将图片放在文件夹下，并将文件夹路径配置在此处） - ImageExt：测试图片文件后缀 section [ModelSetting]： - InputHeight：ONNX模型输入图像的高 - InputWidth：ONNX模型输入图像的宽 - UseGPU：是否使用GPU (CUDA)加速，设置为大于0的值为使用CUDA加速 ## 2.2 程序处理过程 ### 2.1 预处理 - 图像归一化处理：均值 (0.485, 0.456, 0.406), 标准差 (0.229, 0.224, 0.225) ### 2.2 后处理 - 直接输出预测前景概率图（*.png） - 对概率图使用OTSU算法二值化得到mask，输出背景为白色的分割结果图（*-result.png）