FastSAM-以50倍SAM的速度獲得SAM的性能

工具分享#

FastSAM是一個 CNN Segment Anything 模型，僅使用 SA-1B 數據集的 2％進行訓練。FastSAM 在 50 倍的運行速度下實現了與 SAM 方法相當的性能。

19-fastsam

特點#

官方介紹比SAM快 50 倍，並且打到相同性能效果，模型基於 YoloV8 結構，訓練成本也比 SAM 的低很多。

部署#

安裝項目

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

使用

# Everything模式
python Inference.py --model_path ./weights/FastSAM.pt --img_path ./images/dogs.jpg

# 文本提示分割，使用CLIP輔助
python Inference.py --model_path ./weights/FastSAM.pt --img_path ./images/dogs.jpg  --text_prompt "the yellow dog"

# 框選模式
python Inference.py --model_path ./weights/FastSAM.pt --img_path ./images/dogs.jpg --box_prompt "[570,200,230,400]"

# 點擊模式
python Inference.py --model_path ./weights/FastSAM.pt --img_path ./images/dogs.jpg  --point_prompt "[[520,360],[620,300]]" --point_label "[1,0]"

平台#

官方 demo

声明#

本文僅作為工具分享記錄。

本文與HBlog保持同步。