unet模型屬於卷積神經網絡。是德國弗萊堡大學計算機科學系為生物醫學圖像分割而開發的，該網絡基於全卷積網絡其架構經過修改和擴展，可以使用更少的訓練圖像並產生更精確的分割，Unet是2015年誕生的模型。
unet模型的特點
Unet是比較早的基於深度學習的分割算法了，優點是速度真的快P100上基於VGG的backbone能跑到50幀，同時不是太開放的場景下可以做到令人滿意的分割效果，在對實時性要求較高的場合下是比較適用的不是所有的場合都能上MaskRCNN的Backbone大壹點。
如果顯卡差點就容易爆顯存了，同時相比大分割網絡的模型動輒幾百Mb，Unet用小backbone模型就可以做到10Mb內，Conv層通道減少壹點再把網絡模型參數分開，模型大小可以做到很小，用CPU跑速度都挺快的，關鍵是分割精度在較為簡單場景下還可以。