基于C#winform部署BEN2的onnx模型实现前景分割
BEN2 前景分割工具
这是一个基于 BEN2（Bidirectional Encoder Network）深度学习模型的 Windows 桌面应用程序，专门用于图像前景分割处理。本项目使用 C# WinForms 开发，通过 ONNX Runtime 加载 BEN2 模型，实现高质量的前景提取与透明背景生成。
效果展示
算法原理
BEN2 简介
BEN2（Bidirectional Encoder Network version 2）是一种高效的显著性目标检测网络：
- 双向编码器架构：采用独特的双向编码结构，同时捕捉局部细节和全局语义信息
- 显著性检测：自动识别图像中最显著的前景目标
- 高分辨率支持：原生支持 1024x1024 输入分辨率，保持精细边缘
- 实时推理：优化的网络结构，在 CPU 上也能实现快速推理
技术特点
- 输入尺寸：1024x1024
- 输出格式：单通道浮点掩码（归一化到 [0,1]）
- 后处理：Min-Max 归一化 + 双线性插值
- 适用场景：通用物体前景提取、人像抠图、产品图片处理等
处理流程
- 图像读取：加载输入图像（BGR 格式）
- 颜色转换：BGR → RGB 转换
- 尺寸调整：缩放到 1024x1024 输入尺寸
- 归一化：像素值归一化到 [0, 1] 范围
- 维度转换：HWC（高×宽×通道）→ CHW（通道×高×宽）
- 模型推理：ONNX Runtime 执行 BEN2 网络前向传播
- Min-Max 归一化：将输出映射到 [0, 1] 范围
- 尺寸恢复：双线性插值到原始图像尺寸
- Alpha 合成：将掩码作为 Alpha 通道，生成 BGRA 图像
- 结果保存：输出 PNG 透明背景图像
环境要求
系统要求
- 操作系统：Windows 10/11 (x64)
- 开发环境：Visual Studio 2019 或更高版本
- 目标框架：.NET Framework 4.7.2
硬件要求
最低配置：
- CPU：支持 x64 指令集的处理器
- 内存：4GB RAM
- 显卡：集成显卡（CPU 推理模式）
推荐配置：
- CPU：多核处理器
- 内存：8GB RAM 或更高
- 显卡：NVIDIA GPU（支持 CUDA，用于 GPU 加速推理）
依赖库
| 包名 | 版本 | 说明 |
|---|---|---|
| OpenCvSharp4 | 4.13.0 | OpenCV 的 .NET 封装，用于图像处理 |
| Microsoft.ML.OnnxRuntime | 1.20.1 | ONNX 模型推理运行时 |
| System.Drawing.Common | 10.0.3 | 图像绘制支持 |
安装步骤
1. 克隆或下载项目
gitclone<项目仓库地址>或直接下载项目压缩包并解压。
2. 准备 BEN2 模型文件
重要：需要将 BEN2 模型文件放置在model文件夹中：
FIRC/ └── model/ └── BEN2_Base.onnx # BEN2 基础模型（1024x1024 输入）3. 安装 Visual Studio
确保已安装 Visual Studio 2019 或更高版本，并包含以下工作负载：
- .NET 桌面开发
4. 还原 NuGet 包
打开项目后，Visual Studio 会自动还原 NuGet 包。
运行步骤
编译运行
- 使用 Visual Studio 打开
FIRC.sln解决方案文件 - 选择配置为Release，平台为x64
- 按
F5或点击"开始"按钮运行程序
使用说明
选择图像：点击"选择图像"按钮，选择要处理的图像文件
- 支持格式：BMP、JPG、JPEG、TIFF、PNG
前景分割：点击"前景分割"按钮
- 程序自动调用 BEN2 模型进行推理
- 显示推理耗时（毫秒）
- 生成带透明背景的图像
查看状态：顶部状态栏显示当前处理状态
- 模型加载中…
- 图像已加载
- 正在处理…
- 处理完成
保存结果：点击"保存结果"按钮
- 默认保存为 PNG 格式（保留透明通道）
- 也支持 JPG 和 BMP 格式
性能参考
- CPU 推理：约 200-500ms（取决于 CPU 性能）
- GPU 加速：可进一步提升速度（需配置 CUDA）
- 内存占用：约 200-300MB
注意事项
模型文件：首次使用前请确保已下载 BEN2_Base.onnx 模型文件并放置在
model文件夹中内存占用：处理高分辨率图像时需要较大内存，建议关闭其他占用内存的程序
图像格式：
- 输入支持：BMP、JPG、JPEG、TIFF、PNG
- 输出格式：PNG（带 Alpha 透明通道）、JPG、BMP
处理时间：
- 首次推理包含模型加载时间
- 后续推理速度更快（模型已缓存）
- 推理时间显示在右上角文本框
适用场景：
- ✅ 通用物体前景提取
- ✅ 人像摄影抠图
- ✅ 电商产品图片处理
- ✅ 医学图像分割
- ❌ 不适合视频实时处理（延迟较高）
异常处理：如遇到错误，请检查：
- 模型文件是否完整（BEN2_Base.onnx）
- 是否选择了 x64 平台配置
- 系统内存是否充足
- 图像文件是否损坏
文件夹结构
FIRC/ ├── Properties/ # 项目属性文件 │ ├── AssemblyInfo.cs # 程序集信息 │ └── Resources.resx # 资源文件 ├── bin/ │ └── x64/ │ ├── Debug/ # 调试输出目录 │ └── Release/ # 发布输出目录 │ └── FIRC.exe # 可执行文件 ├── model/ # BEN2 模型目录（重要！） │ └── BEN2_Base.onnx # BEN2 基础模型（1024x1024） ├── packages/ # NuGet 包缓存目录 ├── App.config # 应用程序配置文件 ├── FIRC.csproj # 项目文件 ├── FIRC.sln # 解决方案文件 ├── Form1.cs # 主窗体逻辑代码（BEN2 分割实现） ├── Form1.Designer.cs # 窗体设计器代码 ├── Form1.resx # 窗体资源文件 └── Program.cs # 程序入口点参考项目
本项目参考了以下开源项目：
- BEN2 Official: https://github.com/pq-yang/BEN2
- Bidirectional Encoder Network for Salient Object Detection