我的目标是能够通过模型处理产品照片，并返回同一张照片，但产品背景变为白色。产品照片的尺寸和类型各不相同。
我希望向模型输入带背景和不带背景的产品照片。未来我还会扩展数据集，加入部分去除背景的照片。
回答：
如果你正在寻找一种简单的方法来做到这一点，我建议使用K-means聚类算法。假设你有一个简单的纯色背景和一张感兴趣的图像，你可以获取RGB像素值，并使用设置为2个聚类的K-means聚类算法。
让我通过一个例子来解释给你听。假设你有一张尺寸为28*28的图像（这只是一个任意的尺寸）。图像中的像素总数将是784。每个像素由3个RGB值组成，范围从0到255。
K-Means聚类算法会将像素值聚类成K个聚类，因此每个聚类代表的像素值比另一个聚类中的像素值更相似。这种技术在绘制感兴趣图像的轮廓（边界）时特别有用。
在这个例子中，K-means聚类算法将有784个样本点，每个样本点在三维平面上表示。它会将这些数据点聚类成K个（在这个例子中是2个）聚类。
这里有一个非常简单的K-means聚类算法实现。
如果你正在寻找高级的机器学习实现，那么我建议你查找用于图像背景去除的深度卷积神经网络。这种机器学习技术已成功用于背景图像去除任务。
