Segment Anything Model（SAM）从输入提示中产生高质量的物体遮罩，它可以用来为图像中的所有物体产生遮罩。它已经在一个由 1100 万张图像和 11 亿个遮罩组成的数据集上进行了训练，并在各种分割任务中具有强大的性能。
安装
需要 Python >= 3.8，以及 PyTorch >= 1.7 和 TorchVision >= 0.8。请按照这里的说明来安装PyTorch和TorchVision这两个依赖项。我们强烈建议同时安装支持CUDA的PyTorch和TorchVision。
安装 Segment Anything:
pip install git+https://github.com/facebookresearch/segment-anything.git
或者在本地克隆仓库并安装
git clone git@github.com:facebookresearch/segment-anything.git
cd segment-anything; pip install -e .
以下是遮罩后处理、以 COCO 格式保存遮罩、实例 notebooks 和以 ONNX 格式导出模型所需的可选依赖。运行实例 notebooks 也需要 jupyter。
pip install opencv-python pycocotools matplotlib onnxruntime onnx
-
00_资料 论文地址1 论文地址2 项目地址 Demo 地址 SA-1B数据集 参考链接 论文翻译 01_浅谈 segment-anything 展望未来 Meta 在论文中发布的新模型名叫 Segment Anything Model (SAM) 。 如标题所述，这篇论文只做了一件事情：（零样本）分割一切。类似 GPT-4 已经做到的「回答一切」。 将 NLP 的 prompt 范式引入了 CV
-
随缘更新，很可能不全 标 [ ✓ \checkmark ✓] 为推荐阅读的文章 原始论文： [link] [code] [April 5] [SAM] Segment Anything [link] [code] [Apr 9] Segment Anything Model (SAM) for Digital Pathology: Assess Zero-shot Segmentation on
-
Abstract Segment Anything (SA) project: a new task, model, and dataset for image segmentation. we built the largest segmentation dataset to date (by far:迄今为止), with over 1 billion masks on 11M license
-
高分辨率遥感影像中丰富的地物目标与空间语义关系必须在多个尺度下才能充分表达和描述。多层次图像分割的目标就是对一幅图像通过一次分割生成具有网络层次关系的多尺度层次表达，为图像分类与地物目标提取提供基础。
-
我需要在MATLAB中实现一个基于连通分量算法原理的图像分割函数，但需要做一些修改。这是为了非常简单的2D图像，有一个背景颜色和一些不同颜色的对象。 其思想是，将图像作为一个矩阵，我提供了一个选择背景颜色的工具（它将对每个图像变化）。然后，当图像的背景颜色的值被选中时，我要对图像中的所有对象进行分割，结果应该是一个带标签的矩阵，图像大小相同，背景为0，每个对象有不同的数字。 这是我的意思的一个生动
-
目标 在本章中， 我们将学习使用分水岭算法实现基于标记的图像分割 我们将看到：cv.watershed() 理论 任何灰度图像都可以看作是一个地形表面，其中高强度表示山峰，低强度表示山谷。你开始用不同颜色的水(标签)填充每个孤立的山谷(局部最小值)。随着水位的上升，根据附近的山峰(坡度)，来自不同山谷的水明显会开始合并，颜色也不同。为了避免这种情况，你要在水融合的地方建造屏障。你继续填满水，建造障
-
问题内容： 一直在撕我的头发。 如何将多页/多层TIFF图像分成几个单独的图像？ 演示图像在这里。 （宁愿使用纯Java（即非本机）解决方案。该解决方案是否依赖于商业库也没关系。） 问题答案： 您可以使用 Java高级映像 库JAI通过使用ImageReader分割多页TIFF： 然后，您可以获得页面数： 并分别阅读页面：
-
问题内容： 我已经尝试“剪切”图像一段时间了，我将解释原因和尝试之处。所以我想创建一个hp“ bar”，除了它不是一个bar，而是一个心，所以我要做的只是将两张图片相互画在上面，然后只剪一张就可以了。好像在hp中丢失了一样，但是我无法找到削减图像的方法。 设置高度只会调整图像的大小，您可能已经猜到了 我尝试使用textureRegion对其进行破解，但效果不佳 我发现了一种称为clip begin
-
我使用精明的边缘检测器来检测输入图像的边缘。 在每个输入图像中，可以有两个对象（主对象和其中的另一个对象），如示例图像所示。因此，在这种情况下，我应该检测两条边 我根据输入图像自动确定上下阈值（使用中值和西格玛）。大多数情况下，canny工作正常，但有时当图像对比度不太好时，边缘检测失败，如以下示例所示（注意：-外边缘始终正确检测，内边缘出现问题） Canny检测到外部边界的边缘，但内部对象的边缘
-
目标 在这一章当中， 我们将学习使用基于标记的分水岭算法来进行图像分割 我们将看到：cv2.watershed() 理论基础 任何灰度图像可以被看作是一个地形表面，其中高强度表示峰和山，而低强度表示山谷。你开始用不同颜色的水（标签）填充每个孤立的山谷（局部最小值）。随着水位上升，根据附近的山峰（梯度），来自不同山谷的水，明显不同的颜色将开始合并。为了避免这种情况，你在水合并的地方建立障碍。你继续填
-
分割窗口将窗口分成几个部分，每个部分通常代表一个视图（但也可以是具有子窗口标识的CWnd对象），又称窗格。如图8-8所示。如果想在一个窗口里面观察文档的不同部分，或者是在一个窗口里用不同类型的视图（比如用图表和表格）观察同一个文档，那么采用分割窗口是非常方便的。许多优秀的软件都采用了分割窗口技术，因此我们有必要掌握分割窗口的用法。 图8-8 分割窗口 分割窗口分为两类：动态分割窗口和静态分割窗