在本文中，我们设计了一种简单而强大的深度网络架构——U$^2$2-Net，用于显著目标检测（SOD）。U$^2$2-Net 的架构是一种两级嵌套的 U 形结构。该设计具有以下优势：(1) 由于我们在提出的残差 U 块（ReSidual U-blocks, RSU）中混合了不同大小的感受野，因此能够从不同尺度捕获更多的上下文信息；(2) 通过在这些 RSU 块中使用池化操作，可以在不显著增加计算成本的情况下增加整个架构的深度。这种架构使我们能够在不依赖图像分类任务中的骨干网络的情况下，从零开始训练一个深层网络。我们实例化了两种模型：U$^2$2-Net（176.3 MB，GTX 1080Ti GPU 上达到 30 FPS）和 U$^2$2-Net$^{\dagger}$†（4.7 MB，40 FPS），以适应不同的应用场景。这两种模型在六个 SOD 数据集上均取得了具有竞争力的性能。代码已公开：https://github.com/NathanUA/U-2-Net。