segment-anything

segment-anything

革命性AI模型实现高效图像分割

Segment Anything是Meta AI Research开发的图像分割模型,能通过简单输入生成高质量物体遮罩。该模型经过大规模数据训练,具备强大的零样本分割能力。它提供多种版本,支持ONNX导出,并附有示例和文档,便于集成应用。

Segment Anything图像分割AI模型计算机视觉深度学习Github开源项目

分割任意物体

图片 图片 Conda 配方 Conda 下载量

Meta AI 研究院, FAIR

Alexander KirillovEric MintunNikhila RaviHanzi Mao、Chloe Rolland、Laura Gustafson、Tete XiaoSpencer Whitehead、Alex Berg、Wan-Yen Lo、Piotr DollarRoss Girshick

[论文] [项目] [演示] [数据集] [博客] [引用]

SAM 设计

**分割任意物体模型(SAM)**可以根据输入提示(如点或框)生成高质量的物体掩码,并可用于生成图像中所有物体的掩码。该模型已在包含1100万张图像和11亿个掩码的数据集上进行了训练,并在各种分割任务上表现出强大的零样本性能。

<p float="left"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/58fcfa40-794d-4ed8-8b91-3cfab94e7a7c.png?raw=true" width="37.25%" /> <img src="https://yellow-cdn.veclightyear.com/835a84d5/b7e53e78-2e2c-4fb3-ad54-aa94d9b7f169.jpg?raw=true" width="61.5%" /> </p>

免责声明

我不是原始实现的作者。这个仓库是一个将原始实现封装成包的Python包。如果您对原始实现有任何疑问,请参考facebookresearch/segment-anything。原始实现采用Apache License 2.0许可证。

安装

代码要求python>=3.8,以及pytorch>=1.7torchvision>=0.8。请按照这里的说明安装PyTorch和TorchVision依赖项。强烈建议安装支持CUDA的PyTorch和TorchVision。

使用pip安装Segment Anything:

pip install segment-anything-py

或使用mamba安装Segment Anything:

mamba install -c conda-forge segment-anything

或克隆仓库到本地并安装:

pip install git+https://github.com/facebookresearch/segment-anything.git

以下可选依赖项用于掩码后处理、以COCO格式保存掩码、示例笔记本和以ONNX格式导出模型。运行示例笔记本还需要安装jupyter

pip install opencv-python pycocotools matplotlib onnxruntime onnx

<a name="GettingStarted"></a>入门

首先下载一个模型检查点。然后只需几行代码就可以使用模型从给定提示获取掩码:

from segment_anything import SamPredictor, sam_model_registry
sam = sam_model_registry["<model_type>"](checkpoint="<path/to/checkpoint>")
predictor = SamPredictor(sam)
predictor.set_image(<your_image>)
masks, _, _ = predictor.predict(<input_prompts>)

或为整个图像生成掩码:

from segment_anything import SamAutomaticMaskGenerator, sam_model_registry
sam = sam_model_registry["<model_type>"](checkpoint="<path/to/checkpoint>")
mask_generator = SamAutomaticMaskGenerator(sam)
masks = mask_generator.generate(<your_image>)

此外,还可以通过命令行为图像生成掩码:

python scripts/amg.py --checkpoint <path/to/checkpoint> --model-type <model_type> --input <image_or_folder> --output <path/to/output>

有关更多详细信息,请参阅使用SAM和提示自动生成掩码的示例笔记本。

<p float="left"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/0e4c5cb5-105f-474b-8d53-a0eb8fbdc029.png?raw=true" width="49.1%" /> <img src="https://yellow-cdn.veclightyear.com/835a84d5/51a2d194-6d44-4a1d-b52b-718e923f543d.png?raw=true" width="48.9%" /> </p>

ONNX导出

SAM的轻量级掩码解码器可以导出为ONNX格式,以便在支持ONNX运行时的任何环境中运行,例如在演示中展示的浏览器内运行。使用以下命令导出模型:

python scripts/export_onnx_model.py --checkpoint <检查点路径> --model-type <模型类型> --output <输出路径>

有关如何将SAM主干网络的图像预处理与使用ONNX模型进行掩码预测相结合的详细信息,请参阅示例笔记本。建议使用最新稳定版本的PyTorch进行ONNX导出。

Web演示

demo/文件夹包含一个简单的单页React应用,展示了如何在Web浏览器中使用多线程运行导出的ONNX模型进行掩码预测。更多详情请参阅demo/README.md

<a name="Models"></a>模型检查点

提供了三种不同主干网络大小的模型版本。可以通过运行以下代码实例化这些模型:

from segment_anything import sam_model_registry
sam = sam_model_registry["<模型类型>"](checkpoint="<检查点路径>")

点击下面的链接下载相应模型类型的检查点。

数据集

点击此处查看数据集概述。可以在这里下载数据集。下载数据集即表示您已阅读并接受SA-1B数据集研究许可协议的条款。

我们将每张图像的掩码保存为json文件。可以在Python中以以下格式加载为字典。

{ "image" : 图像信息, "annotations" : [注释], } 图像信息 { "image_id" : int, # 图像ID "width" : int, # 图像宽度 "height" : int, # 图像高度 "file_name" : str, # 图像文件名 } 注释 { "id" : int, # 注释ID "segmentation" : dict, # 以COCO RLE格式保存的掩码 "bbox" : [x, y, w, h], # 掩码周围的框,采用XYWH格式 "area" : int, # 掩码的像素面积 "predicted_iou" : float, # 模型对掩码质量的自我预测 "stability_score" : float, # 掩码质量的衡量指标 "crop_box" : [x, y, w, h], # 用于生成掩码的图像裁剪,采用XYWH格式 "point_coords" : [[x, y]], # 输入模型以生成掩码的点坐标 }

图像ID可以在sa_images_ids.txt中找到,该文件也可以使用上面的链接下载。

要将COCO RLE格式的掩码解码为二进制:

from pycocotools import mask as mask_utils
mask = mask_utils.decode(annotation["segmentation"])

有关操作RLE格式存储的掩码的更多说明,请参阅此处

许可证

该模型基于Apache 2.0许可证授权。

贡献

请参阅贡献指南行为准则

贡献者

Segment Anything项目的实现离不开众多贡献者的帮助(按字母顺序排列):

Aaron Adcock, Vaibhav Aggarwal, Morteza Behrooz, Cheng-Yang Fu, Ashley Gabriel, Ahuva Goldstand, Allen Goodman, Sumanth Gurram, Jiabo Hu, Somya Jain, Devansh Kukreja, Robert Kuo, Joshua Lane, Yanghao Li, Lilian Luong, Jitendra Malik, Mallika Malhotra, William Ngan, Omkar Parkhi, Nikhil Raina, Dirk Rowe, Neil Sejoor, Vanessa Stark, Bala Varadarajan, Bram Wasti, Zachary Winstrom

引用Segment Anything

如果您在研究中使用了SAM或SA-1B,请使用以下BibTeX条目。

@article{kirillov2023segany,
  title={Segment Anything},
  author={Kirillov, Alexander and Mintun, Eric and Ravi, Nikhila and Mao, Hanzi and Rolland, Chloe and Gustafson, Laura and Xiao, Tete and Whitehead, Spencer and Berg, Alexander C. and Lo, Wan-Yen and Doll{\'a}r, Piotr and Girshick, Ross},
  journal={arXiv:2304.02643},
  year={2023}
}

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多