位置: IT常识 - 正文
老师，不干了，被偷家了，SAM分割任何事物模型，0样本分割了我研究一个月的数据(老师不干了可以从事什么行业)
编辑：rootadmin推荐整理分享老师，不干了，被偷家了，SAM分割任何事物模型，0样本分割了我研究一个月的数据(老师不干了可以从事什么行业)，希望有所帮助，仅作参考，欢迎阅读内容。
文章相关热门搜索词:老师不干了作为家长怎么说,老师不干了还能干什么工作,老师不干了可以从事什么行业,老师不干了作为家长怎么说,老师不干了怎么在群里说,老师不干了怎么和老师告别,老师不干了怎么说,老师不干了怎么说,内容如对您有帮助，希望把文章链接给更多的朋友！
文章目录1. 简明扼要2. 分割效果3. 开始探索Segment Anything Model的核心愿景Segment Anything Model已经实现的功能1.交互式分割2.全自动分割Segment Anything Model官网Segment Anything Model数据集Segment Anything Model提示性分割4.文章 5.未来可能1. 简明扼要
SAM（Segmentation Anything Model）废话少说，出色要点有：
⭐ 建立了迄今为止最大的分割数据集：Segment Anything 1-Billion（SA-1B），1100万张图像，超过10亿个掩码(比任何现有的分割数据集多400倍) ⭐ 和chatgpt的启发思想一样，模型可提示prompt ⭐ 建立了通用的，全自动的分割模型，零样本灵活转化新任务，新领域，结果甚至优于之前的监督结果
2. 分割效果
是！不！是！很！哇！塞！
3. 开始探索如果整个能量都是激动热闹的，就没有能量被留下来进入思考----我们来开始冷静探索⬇️
Segment Anything Model的核心愿景减少对于特定任务的专业建模知识要求，减少训练计算需求，减少自己标注掩码的需求．也就是我不咋会,不咋标,不咋训(很环保♻️哈)就把目标分出来
Segment Anything Model已经实现的功能
⭐ SAM已经学会了物体的概念 ⭐ 可以为图像或视频中的物体生成掩码，甚至是没遇见过的 ⭐ 通用性很强，无论是水下照片还是细胞显微镜
通过官方给的demo,可以测试自己的图像,分为交互式分割和全自动分割0成本很方便,例如开头的微信图片,鼠标点击4️⃣次,就提取到了肿瘤区域❗
1.交互式分割1️⃣登录，accept条款 2️⃣自定义图像分割点击Upload an image 3️⃣直接在图像上点击想要分割的区域，会出现蓝色小点，代表前景，随着蓝色小点增多，分割的蓝色边缘越小越接近想分割的区域。 4️⃣也可以选择左侧remove area之后继续在图像上点击，会出现粉色小点（我爱粉色），代表背景，用来收缩图像边缘，结合蓝色和粉色小点，图像边缘进行加减法会接近目标区域。 5️⃣差不多之后点Cut out object，就小功告成啦！
2.全自动分割1️⃣登录，accept条款 2️⃣自定义图像分割点击Upload an image 3️⃣点击Everything 就完事啦 他先生成采样点，之后全自动分割，不需要任何点击啦 效果 可以看到房顶很多形状，一个是正方形，另一个也是😅。但是，但是，但是！有的被分割了，有的没有，真的太好了！模型还有进步的空间(我还有努力的时间😅) 在这里小小的插一嘴，AI取代人的问题，随着社会前进，必将更新，我在浪潮里面，没在浪潮之巅，我能做的仅仅是随机摸索方向，希望顺流而上，这种未知，使人兴奋。自古逢秋悲寂寥,我言秋日胜春朝。脱下孔乙己的长衫的前提是，先穿上。
Segment Anything Model官网网站地址
官方介绍SAM： 1️⃣ SAM允许用户只需点击一下就可以分割对象，或者通过交互式点击点来包括和排除对象。模型也可以用一个边界框来提示。 2️⃣ 当面临被分割的物体不明确时，SAM可以输出多个有效的掩码，这是解决现实世界中分割问题的重要和必要能力。 3️⃣SAM可以自动找到并屏蔽图像中的所有物体。 4️⃣SAM可以在预先计算图像嵌入后实时生成任何提示的分割掩码，允许与模型进行实时交互。
Segment Anything Model数据集SAM使用数据集进行训练，标注着使用SAM交互式注释图像，反过来更新SAM。属实是闭环成长了。 有了SAM，收集新的分割掩码比以前更快 使用这种方法，通过模型辅助注释者，半自动半注释，模型全自动分割掩码这三个等级，造就了SAM数据集SA-1B达到1100万张图像，超过10亿个有效的高质量掩码， 比现有的分割数据集多400多倍，比COCO完全手动基于多边形的掩码注释快6.5倍。 SA-1B数据集不仅能获取的更快 更多 更方便，也 更平均，来自不同国家地区🌏 不同收入🎫 分析模型在人们感知的性别表现、感知的肤色和感知的年龄范围方面的潜在偏差，发现SAM在不同群体中的表现相似
Segment Anything Model提示性分割受到nlp领域的prompt思想，对新的数据集和任务进行零次和少数次学习，SAM可以使用前景/背景点、一个粗糙的盒子或掩码、自由形式的文本，或者，一般来说，任何指示图像中分割内容的信息,都可以当做SAM的prompt
过程：1.图像编码器为图像产生一个一次性嵌入向量 2.轻量级编码器将prompt实时转换为嵌入向量3.结合之后送入轻量级解码器中得到掩码
4.文章下载地址
5.未来可能因为他是启发式模型,可以和用户互动
在AR/VR领域，SAM可以根据用户的目光来选择一个物体,将其提升到3D空间在创作领域，提取图像区域进行拼贴或视频编辑在研究领域，通过定位动物或物体来研究和跟踪视频上一篇：目标检测DiffusionDet: Diffusion Model for Object Detection(目标检测选SSD还是YOLO)
下一篇：学习笔记：点云库PCL（Point Cloud Library ）介绍(点云入门)
