Meta不久前開源發(fā)布了一款圖像處理模型，即分割一切模型：Segment Anything Model，簡稱 SAM，號(hào)稱要從任意一張圖片中分割萬物，源碼地址為：
https://github.com/facebookresearch/segment-anything
打開后看到目錄結(jié)構(gòu)大概這樣：
一般一個(gè)開源項(xiàng)目中都會(huì)有項(xiàng)目介紹和示例代碼。本示例中的文件 README.md 即為項(xiàng)目概況介紹，主要說明了使用 SAM 模型需要的 python 環(huán)境安裝方法，和 SAM 的使用方法。notebooks 文件夾內(nèi)是幾個(gè) jupyter notebook 格式的 python 示例代碼。
運(yùn)行示例代碼步驟如下：
1、按照 README.md 文件所述，逐步安裝所有依賴庫。記得 python 要安裝3.8，3.9， 3.10 其中的一個(gè)，目前不建議安裝 3.11，因?yàn)闀?huì)和最新的 pytorch 不兼容。
2、安裝 jupyter。
3、下載模型文件到本地：點(diǎn)擊 README.md 文件中的模型下載鏈接，即可下載指定的模型：
模型總共有三個(gè)，其中 vit-h 最大，有越 2G ，fit-l 為 1.2G, vit-b 最小為 366M。我測試了 最小的 vit-b。
4、運(yùn)行 jupyter notebook ，打開示例文件 automatic_mask_generator_example.ipynb，修改以下兩行：
即模型文件路徑和 設(shè)備類型（ 使用 cpu 還是 gpu, 如果是gpu則設(shè)置為 cuda, 是 cpu 的話設(shè)為 cpu 即可 ）。
5、將 automatic_mask_generator_example.ipynb 文件內(nèi)的所有代碼運(yùn)行一遍，會(huì)自動(dòng)從網(wǎng)上下載一個(gè)圖片進(jìn)行原圖顯示和 mask 處理，最后會(huì)得出 圖片處理的 mask 結(jié)果：
總結(jié)：
1、SAM 模型確實(shí)很強(qiáng)大，唯一缺點(diǎn)可能是運(yùn)行比較消耗資源，如果是普通 cpu，運(yùn)行起來會(huì)非常慢。我的 cpu 是 Intel? Core? i7-7500U CPU @ 2.70GHz 2.90 GHz，內(nèi)存是 8G，筆記本為華為 MateBook X，用的是最小的模型，mask 處理用了足足有至少半分鐘，或者更久。等了一會(huì)兒發(fā)現(xiàn)還沒結(jié)果，就只好先去洗澡。洗完澡發(fā)現(xiàn)結(jié)果出來了。。土豪們可以用 GPU 嘗試，相信一定快很多。
2、實(shí)際操練難點(diǎn)可能在于環(huán)境的搭建，晚點(diǎn)介紹環(huán)境安裝。如果安裝過程中發(fā)現(xiàn)某些步驟不成功，可以嘗試跳過該步驟繼續(xù)下一步，最后仍然嘗試運(yùn)行腳本，可能也可以。文章來源：http://www.zghlxwxcb.cn/news/detail-426738.html
祝大家進(jìn)步！文章來源地址http://www.zghlxwxcb.cn/news/detail-426738.html
到了這里，關(guān)于Meta的分割一切模型SAM( Segment Anything )測試的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
