首页IT科技CV大于质量目标(【Segment Anything】CV的大模型Segment Anything也来了,强人工智能的时代究竟还有多远?)

CV大于质量目标(【Segment Anything】CV的大模型Segment Anything也来了,强人工智能的时代究竟还有多远?)

时间2025-07-05 17:40:36分类IT科技浏览7508
导读:Segment Anything 1. 论文...

Segment Anything

1. 论文

论文链接:https://arxiv.org/pdf/2304.02643.pdf

论文解读后续更新……

2. 官方文档

官方文档:https://ai.facebook.com/blog/segment-anything-foundation-model-image-segmentation/

项目地址:https://github.com/facebookresearch/segment-anything

3. 测试网站

demo地址:https://segment-anything.com/demo

我自己上传了一张图片                ,结果还是挺好的(我上传的图片比较简单)                。

4. 本地测试

4.1 下载预训练权重

https://github.com/facebookresearch/segment-anything#model-checkpoints

4.2 新建get_masks.py

新建get_masks.py内容如下:

from segment_anything import build_sam, SamPredictor import numpy as np import cv2 image = cv2.imread(/home/scholar/ldw/segment-anything/images/01.jpg) image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) predictor = SamPredictor(build_sam(checkpoint="/data_1/ldw_checkpoints/segment-anything/sam_vit_l_0b3195.pth")) predictor.set_image(image) input_point = np.array([[500, 375]]) input_label = np.array([1]) masks, _, _ = predictor.predict( point_coords=input_point, point_labels=input_label, multimask_output=True,) print(Done)

由于自己的3090显存有限                        ,无法使用build_sam_vit_hpth        ,所以选用了build_sam_vit_l.pth

修改segment_anything/build_sam.py

build_sam = build_sam_vit_l sam_model_registry = { "default": build_sam_vit_l, "vit_h": build_sam, "vit_l": build_sam_vit_l, "vit_b": build_sam_vit_b, }

4.4 测试

# origin python scripts/amg.py --checkpoint <path/to/sam/checkpoint> --input <image_or_folder> --output <output_directory> # mine python scripts/amg.py --checkpoint /data_1/ldw_checkpoints/segment-anything/sam_vit_l_0b3195.pth --input /home/scholar/ldw/segment-anything/images/01.jpg --output output
声明:本站所有文章                ,如无特殊说明或标注                        ,均为本站原创发布                        。任何个人或组织        ,在未征得本站同意时        ,禁止复制                、盗用                        、采集        、发布本站内容到任何网站                、书籍等各类媒体平台        。如若本站内容侵犯了原著者的合法权益                        ,可联系我们进行处理                。

创心域SEO版权声明:以上内容作者已申请原创保护,未经允许不得转载,侵权必究!授权事宜、对本内容有异议或投诉,敬请联系网站管理员,我们将尽快回复您,谢谢合作!

展开全文READ MORE
css3选择器优先级顺序(【H5/CSS】简单了解选择器的优先级) 疫情数据的统计与分析论文(机器学习实战——疫情数据分析与预测)