实例与语义分割 / 15

U-Net

编码器—解码器语义分割网络

U-Net利用对称编码器和解码器提取上下文，并通过跳跃连接恢复高分辨率细节，结构直观且在小规模像素标注数据上容易建立基线。代表性参数规模为约 7M–31M（依通道数与骨干而变），性能定位是少样本下易训练，结构简单稳定。适合连续缺陷区域、焊缝与裂纹分割和小样本像素分类。

PARAMETERS

参考参数与输入输出

代表性参数量约 7M–31M（依通道数与骨干而变）

输入RGB/灰度图像与像素级类别掩码

输出与输入空间对应的语义类别图

算力与部署CPU 或 GPU；高分辨率训练主要受显存限制

参数量是公开代表性配置或合理范围，不同骨干、类别数、输入尺寸和实现版本会改变结果；详细实施时以选定配置导出的模型信息为准。

PERFORMANCE

少样本下易训练，结构简单稳定。训练门槛低于 DeepLabV3+，但复杂尺度和大范围上下文通常不如后者。网站不使用脱离条件的单一 FPS 或 mAP 数字作为承诺，因为数据集、输入尺寸、精度模式、批量大小、GPU 型号和后处理口径都会显著改变测试结果。

CHARACTERISTICS & USE CASES

MODEL COMPARISON

模型	参考参数规模	速度	精度定位	部署	优先场景
Mask R-CNN	约 44M（R50-FPN 代表配置）	低	很高	成熟	零件实例轮廓
U-Net当前	约 7M–31M（依通道数与骨干而变）	高	中高	成熟	连续缺陷区域
DeepLabV3+	约 26M–60M（取决于骨干）	中	很高	较成熟	大幅面表面分割
SAM	约 91M/308M/636M（ViT-B/L/H）	中低	泛化高	较成熟	交互式辅助标注
SAM 2	约 38.9M–224.4M（tiny 至 large）	中高	泛化高	较成熟	视频数据标注
YOLO Seg	约 3M–72M（随 YOLO 版本与尺度变化）	很高	高	成熟	在线轮廓检测

表中“速度、精度、部署”为同类别内的定性定位，用于缩小候选范围，不替代同一测试集、同一硬件和同一精度模式下的实测。

SELECTION SUMMARY

U-Net适合优先考虑连续缺陷区域、焊缝与裂纹分割、小样本像素分类的项目。它的主要价值是跳跃连接融合浅层边缘与深层语义；需要重点评估原始结构对多尺度上下文建模有限、超大图像需要切片或轻量化处理。

建议先用企业真实数据建立基线，再统一测试准确率、召回率、误检率、单张延迟、峰值显存和导出兼容性，最后确定模型规模与部署方式。