FastSAMは、SA-1B データセットの 2％のみを使用してトレーニングされた CNN Segment Anything モデルです。FastSAM は 50 倍の実行速度で SAM メソッドと同等のパフォーマンスを実現しています。
公式の紹介では、SAMよりも 50 倍速く、同じパフォーマンス効果を実現しています。モデルは YoloV8 構造をベースにしており、トレーニングコストも SAM よりもはるかに低いです。
プロジェクトのインストール
使用方法
この記事はツールの共有記録としてのみ提供されています。
この記事はHBlogと同期しています。
git clone https://github.com/CASIA-IVA-Lab/FastSAM.git && cd FastSAM
pip install git+https://github.com/openai/CLIP.git
conda create -n FastSAM python=3.9
conda activate FastSAM
pip install -r requirements.txt
# Everythingモード
python Inference.py --model_path ./weights/FastSAM.pt --img_path ./images/dogs.jpg
# テキストプロンプトセグメンテーション、CLIPを使用
python Inference.py --model_path ./weights/FastSAM.pt --img_path ./images/dogs.jpg --text_prompt "the yellow dog"
# ボックス選択モード
python Inference.py --model_path ./weights/FastSAM.pt --img_path ./images/dogs.jpg --box_prompt "[570,200,230,400]"
# クリックモード
python Inference.py --model_path ./weights/FastSAM.pt --img_path ./images/dogs.jpg --point_prompt "[[520,360],[620,300]]" --point_label "[1,0]"