في هذا البحث، قمنا بتصميم هندسة شبكة عميقة بسيطة ومعقدة في الوقت نفسه، تُعرف باسم U²-Net، للكشف عن الأشياء البارزة (SOD). تتكون هندسة U²-Net من هيكل U مركب على مستويين. يتمتع هذا التصميم بالفوائد التالية: (1) يمكنه التقاط المزيد من المعلومات السياقية من مقاييس مختلفة بفضل مزيج حقول الاستقبال بأحجام مختلفة في الكتل المقترحة لدينا والتي تُعرف بـ ReSidual U-blocks (RSU)، (2) يزيد من عمق الهيكل الكامل دون زيادة كبيرة في تكلفة الحسابات بسبب عمليات التجميع المستخدمة在这些 RSU 块中（在这里应该使用阿拉伯语表述）.هذه الهندسة تمكننا من تدريب شبكة عميقة من الصفر دون استخدام نماذج أساسية من مهام تصنيف الصور. لقد أنشأنا نموذجين للهيكل المقترح، وهما U²-Net (176.3 ميجابايت، 30 إطارًا في الثانية على وحدة معالجة الرسومات GTX 1080Ti) و U²-Net† (4.7 ميجابايت، 40 إطارًا في الثانية)، لتسهيل استخدامها في بيئات مختلفة. حقق كلا النموذجين أداءً تنافسيًا على ستة قواعد بيانات لكشف الأشياء البارزة (SOD).الكود متاح على الرابط التالي: https://github.com/NathanUA/U-2-Net.为了确保术语的一致性和准确性，我将“ thanks to the mixture of receptive fields of different sizes in our proposed ReSidual U-blocks (RSU)”这部分翻译为："بفضل مزيج حقول الاستقبال بأحجام مختلفة في الكتل المقترحة لدينا والتي تُعرف بـ ReSidual U-blocks (RSU)"同时，“因为它在这些 RSU 块中使用了池化操作”被翻译为："بسبب عمليات التجميع المستخدمة في هذه الكتل RSU"这样可以确保术语的专业性和信息的完整性。