【代发需求】U2-Net 移植到欧拉派

. 项目背景
U2-Net 是一款基于编码器–解码器结构的显著性目标检测模型，在图像分割、前景提取、抠图等
场景具有较高精度和鲁棒性。
本项目目标是将 U2-Net
移植到欧拉派，并在该平台上实现与官方版本一致的推理精度，同时满足端到端推理时延 ≤100ms
的实时性能要求。

1. 需求目标
2. 性能目标
   输入图像尺寸：默认 320×320（保持官方输入规格，如需裁剪/缩放需保证精度一致）。
   单张图像端到端推理时延：≤100ms（包含预处理 + 推理 + 后处理）。
   吞吐率：≥10 FPS（连续图像输入场景）。
3. 精度目标
   在公开测试集（如 DUTS-TE、ECSSD 等）上的评估指标（F-measure、MAE、S-measure
   等）需与官方 PyTorch 版本结果保持一致，差异 ≤0.5%。
   模型结构不允许削弱精度的裁剪或近似推理优化（如过度量化导致精度显著下降）。
4. 移植目标
   模型需在欧拉派本地推理框架SVP/SVP_NNN上运行
   提供推理 C++ 接口，方便上层应用调用。
   保证系统资源可控：内存占用 ≤100MB，CPU 使用率 ≤20%（在使用硬件加速时）。
5. 技术要求
6. 模型适配
   使用官方 U2-Net 权重（u2net.pth / u2net_human.pth）。
   转换为欧拉派支持的.om模型格式。
   若需量化，应采用 INT8 校准，保证精度与 FP32 基线一致。
7. 计算优化
   使用硬件加速（优先调用欧拉派 NPU，其次 CPU fallback）。
   合理划分预处理（图像缩放、归一化）、推理、后处理（阈值化/掩码生成）在不同硬件单
   元上的负载。
   需支持 batch=1 的低延迟模式。
8. 软件环境
   操作系统：基于欧拉派的OpenEuler Embedded 24.03。
   依赖库：OpenCV（图像预处理）、欧拉派官方 SDK。
9. 接口要求
   提供 C++ API：
   init(model_path)
   infer(image) → 返回前景掩码
   release()
   需支持批量测试与性能统计接口。
10. 验收指标
11. 功能性
    模型能正确输出前景掩码，结果与官方 U2-Net 可视化效果一致。
12. 性能
    欧拉派平台端到端单帧推理 ≤100ms。
13. 精度
    在公开数据集上的指标与官方一致，差异 ≤0.5%。
14. 稳定性
    连续运行 24 小时以上无内存泄漏、无异常退出。
15. 交付物
16. 模型文件（欧拉派可运行格式，含校准权重）。
17. 转换与优化脚本（含 PyTorch→ONNX→目标格式全流程）。
18. 推理 Demo（C++，含性能统计）。
19. 文档：
    环境搭建说明
    模型部署说明
    性能与精度验证报告