Segment Anything Model (SAM)

Willkommen an der Grenze der Bildsegmentierung mit dem Segment Anything Model, oder SAM. Dieses revolutionäre Modell hat das Spiel verändert, indem es eine prompte Bildsegmentierung mit Echtzeitleistung einführt und damit neue Maßstäbe in diesem Bereich setzt.

Einführung in SAM: Das Segment Anything Model

Das Segment Anything Model ( SAM) ist ein innovatives Bildsegmentierungsmodell, das eine sofortige Segmentierung ermöglicht und damit eine beispiellose Vielseitigkeit bei Bildanalyseaufgaben bietet. SAM bildet das Herzstück der Segment Anything Initiative, einem bahnbrechenden Projekt, das ein neuartiges Modell, eine Aufgabe und einen Datensatz für die Bildsegmentierung einführt.

SAMDas fortschrittliche Design von ermöglicht es, sich ohne Vorkenntnisse an neue Bildverteilungen und Aufgaben anzupassen - eine Eigenschaft, die als Zero-Shot-Transfer bekannt ist. Getestet auf dem umfangreichen SA-1B-Datensatz, der mehr als 1 Milliarde Masken auf 11 Millionen sorgfältig kuratierten Bildern enthält, hat SAM eine beeindruckende Zero-Shot-Leistung gezeigt und übertrifft in vielen Fällen die bisherigen vollständig überwachten Ergebnisse.

SA-1B Beispielbilder. Bilder des Datensatzes überlagern Masken aus dem neu eingeführten SA-1B-Datensatz. SA-1B enthält 11 Millionen verschiedene, hochauflösende, lizenzierte und datenschutzfreundliche Bilder und 1,1 Milliarden hochwertige Segmentierungsmasken. Diese Masken wurden von SAM vollautomatisch annotiert und sind, wie durch menschliche Bewertungen und zahlreiche Experimente bestätigt, von hoher Qualität und Vielfalt. Die Bilder sind zur Visualisierung nach der Anzahl der Masken pro Bild gruppiert (im Durchschnitt gibt es ∼100 Masken pro Bild).

Hauptmerkmale des Segment Anything Model (SAM)

• Promptable Segmentation Task: SAM wurde mit Blick auf eine Promptable Segmentation Task entwickelt, die es ermöglicht, gültige Segmentierungsmasken aus jeder beliebigen Eingabeaufforderung zu generieren, z. B. aus räumlichen oder textlichen Hinweisen zur Identifizierung eines Objekts.
• Fortschrittliche Architektur: Das Segment Anything Model verwendet einen leistungsstarken Bild-Encoder, einen Prompt-Encoder und einen leichtgewichtigen Maskendecoder. Diese einzigartige Architektur ermöglicht eine flexible Eingabeaufforderung, Maskenberechnung in Echtzeit und Mehrdeutigkeitserkennung bei Segmentierungsaufgaben.
• Der SA-1B-Datensatz: Der SA-1B-Datensatz wurde im Rahmen des Segment Anything-Projekts eingeführt und enthält über 1 Milliarde Masken auf 11 Millionen Bildern. Als der bisher größte Segmentierungsdatensatz bietet er SAM eine vielfältige und umfangreiche Trainingsdatenquelle.
• Zero-Shot-Performance: SAM zeigt eine hervorragende Zero-Shot-Performance bei verschiedenen Segmentierungsaufgaben und ist damit ein sofort einsatzbereites Werkzeug für verschiedene Anwendungen, das nur minimale technische Eingriffe erfordert.

Für einen detaillierten Einblick in das Segment Anything Modell und den SA-1B Datensatz, besuchen Sie bitte die Segment Anything Website und lesen Sie das Forschungspapier Segment Anything.

Verfügbare Modelle, unterstützte Aufgaben und Betriebsmodi

In dieser Tabelle werden die verfügbaren Modelle mit ihren spezifischen vortrainierten Gewichten, den von ihnen unterstützten Aufgaben und ihrer Kompatibilität mit verschiedenen Betriebsmodi wie Inferenz, Validierung, Training und Export aufgeführt, gekennzeichnet durch ✅ Emojis für unterstützte Modi und ❌ Emojis für nicht unterstützte Modi.

Verwendung von SAM: Vielseitigkeit und Leistung bei der Bildsegmentierung

Das Segment Anything Model kann für eine Vielzahl von nachgelagerten Aufgaben eingesetzt werden, die über die Trainingsdaten hinausgehen. Dazu gehören die Erkennung von Kanten, die Erstellung von Objektvorschlägen, die Segmentierung von Instanzen und die Vorhersage von Text-zu-Masken. Durch eine schnelle Entwicklung kann SAM schnell und ohne großen Aufwand an neue Aufgaben und Datenverteilungen angepasst werden, was es zu einem vielseitigen und leistungsstarken Werkzeug für alle Ihre Bildsegmentierungsanforderungen macht.

SAM Beispiel für eine Vorhersage

from ultralytics import SAM

# Load a model
model = SAM("sam_b.pt")

# Display model information (optional)
model.info()

# Run inference with bboxes prompt
results = model("ultralytics/assets/zidane.jpg", bboxes=[439, 437, 524, 709])

# Run inference with single point
results = model(points=[900, 370], labels=[1])

# Run inference with multiple points
results = model(points=[[400, 370], [900, 370]], labels=[1, 1])

# Run inference with multiple points prompt per object
results = model(points=[[[400, 370], [900, 370]]], labels=[[1, 1]])

# Run inference with negative points prompt
results = model(points=[[[400, 370], [900, 370]]], labels=[[1, 0]])

from ultralytics import SAM

# Load a model
model = SAM("sam_b.pt")

# Display model information (optional)
model.info()

# Run inference
model("path/to/image.jpg")

# Run inference with a SAM model
yolo predict model=sam_b.pt source=path/to/image.jpg

• Die Logik besteht darin, das gesamte Bild zu segmentieren, wenn Sie keine Eingabeaufforderungen (Bboxen/Punkte/Masken) übergeben.

from ultralytics.models.sam import Predictor as SAMPredictor

# Create SAMPredictor
overrides = dict(conf=0.25, task="segment", mode="predict", imgsz=1024, model="mobile_sam.pt")
predictor = SAMPredictor(overrides=overrides)

# Set image
predictor.set_image("ultralytics/assets/zidane.jpg")  # set with image file
predictor.set_image(cv2.imread("ultralytics/assets/zidane.jpg"))  # set with np.ndarray
results = predictor(bboxes=[439, 437, 524, 709])

# Run inference with single point prompt
results = predictor(points=[900, 370], labels=[1])

# Run inference with multiple points prompt
results = predictor(points=[[400, 370], [900, 370]], labels=[[1, 1]])

# Run inference with negative points prompt
results = predictor(points=[[[400, 370], [900, 370]]], labels=[[1, 0]])

# Reset image
predictor.reset_image()

from ultralytics.models.sam import Predictor as SAMPredictor

# Create SAMPredictor
overrides = dict(conf=0.25, task="segment", mode="predict", imgsz=1024, model="mobile_sam.pt")
predictor = SAMPredictor(overrides=overrides)

# Segment with additional args
results = predictor(source="ultralytics/assets/zidane.jpg", crop_n_layers=1, points_stride=64)

• Weitere zusätzliche Args für Segment everything siehe Predictor/generate Referenz.

SAM Vergleich vs. YOLOv8

Hier vergleichen wir das kleinste Modell von Meta SAM , SAM-b, mit dem kleinsten Segmentierungsmodell von Ultralytics , YOLOv8n-seg:

Dieser Vergleich zeigt die Größenunterschiede zwischen den einzelnen Modellen in Bezug auf Größe und Geschwindigkeit. Während SAM einzigartige Möglichkeiten für die automatische Segmentierung bietet, ist es kein direkter Konkurrent für YOLOv8 Segmentmodelle, die kleiner, schneller und effizienter sind.

Die Tests laufen auf einem 2023 Apple M2 Macbook mit 16 GB RAM. Um diesen Test zu reproduzieren:

from ultralytics import ASSETS, SAM, YOLO, FastSAM

# Profile SAM-b, MobileSAM
for file in ["sam_b.pt", "mobile_sam.pt"]:
    model = SAM(file)
    model.info()
    model(ASSETS)

# Profile FastSAM-s
model = FastSAM("FastSAM-s.pt")
model.info()
model(ASSETS)

# Profile YOLOv8n-seg
model = YOLO("yolov8n-seg.pt")
model.info()
model(ASSETS)

Auto-Beschriftung: Ein schneller Weg zu Segmentierungsdatensätzen

Die automatische Beschriftung ist eine Schlüsselfunktion von SAM, die es dem Benutzer ermöglicht, einen Segmentierungsdatensatz mithilfe eines vorab trainierten Erkennungsmodells zu erstellen. Diese Funktion ermöglicht eine schnelle und genaue Beschriftung einer großen Anzahl von Bildern, ohne dass eine zeitaufwändige manuelle Beschriftung erforderlich ist.

Erzeugen Sie Ihren Segmentierungsdatensatz mithilfe eines Erkennungsmodells

Um Ihren Datensatz mit dem Ultralytics Framework automatisch zu annotieren, verwenden Sie die auto_annotate Funktion wie unten dargestellt:

from ultralytics.data.annotator import auto_annotate

auto_annotate(data="path/to/images", det_model="yolo11x.pt", sam_model="sam_b.pt")

Die auto_annotate Funktion nimmt den Pfad zu Ihren Bildern, mit optionalen Argumenten für die Angabe der vortrainierten Erkennungs- und SAM Segmentierungsmodelle, des Geräts, auf dem die Modelle ausgeführt werden sollen, und des Ausgabeverzeichnisses zum Speichern der kommentierten Ergebnisse.

Die automatische Beschriftung mit vorab trainierten Modellen kann den Zeit- und Arbeitsaufwand für die Erstellung hochwertiger Segmentierungsdatensätze drastisch reduzieren. Diese Funktion ist besonders vorteilhaft für Forscher und Entwickler, die mit großen Bildsammlungen arbeiten, da sie sich auf die Modellentwicklung und -auswertung konzentrieren können, statt auf die manuelle Annotation.

Zitate und Danksagungen

Wenn Sie SAM für Ihre Forschungs- oder Entwicklungsarbeit nützlich finden, sollten Sie unser Papier zitieren:

@misc{kirillov2023segment,
      title={Segment Anything},
      author={Alexander Kirillov and Eric Mintun and Nikhila Ravi and Hanzi Mao and Chloe Rolland and Laura Gustafson and Tete Xiao and Spencer Whitehead and Alexander C. Berg and Wan-Yen Lo and Piotr Dollár and Ross Girshick},
      year={2023},
      eprint={2304.02643},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

Wir möchten Meta AI unseren Dank dafür aussprechen, dass sie diese wertvolle Ressource für die Computer-Vision-Gemeinschaft geschaffen und gepflegt haben.

FAQ

Was ist das Segment Anything Model (SAM) von Ultralytics?

Das Segment Anything Model (SAM) von Ultralytics ist ein revolutionäres Bildsegmentierungsmodell, das für promptable Segmentierungsaufgaben entwickelt wurde. Es nutzt eine fortschrittliche Architektur, einschließlich Bild- und Prompt-Encodern in Kombination mit einem leichtgewichtigen Maskendecoder, um qualitativ hochwertige Segmentierungsmasken aus verschiedenen Prompts wie räumlichen oder textlichen Hinweisen zu generieren. SAM wurde auf dem umfangreichen SA-1B-Datensatz trainiert und zeichnet sich durch eine Zero-Shot-Leistung aus, die sich ohne Vorkenntnisse an neue Bildverteilungen und Aufgaben anpassen lässt. Erfahren Sie hier mehr.

Wie kann ich das Segment Anything Model (SAM) für die Bildsegmentierung verwenden?

Sie können das Segment Anything Model (SAM) für die Bildsegmentierung verwenden, indem Sie die Inferenz mit verschiedenen Eingabeaufforderungen wie Bounding Boxes oder Punkten durchführen. Hier ist ein Beispiel mit Python:

from ultralytics import SAM

# Load a model
model = SAM("sam_b.pt")

# Segment with bounding box prompt
model("ultralytics/assets/zidane.jpg", bboxes=[439, 437, 524, 709])

# Segment with points prompt
model("ultralytics/assets/zidane.jpg", points=[900, 370], labels=[1])

# Segment with multiple points prompt
model("ultralytics/assets/zidane.jpg", points=[[400, 370], [900, 370]], labels=[[1, 1]])

# Segment with multiple points prompt per object
model("ultralytics/assets/zidane.jpg", points=[[[400, 370], [900, 370]]], labels=[[1, 1]])

# Segment with negative points prompt.
model("ultralytics/assets/zidane.jpg", points=[[[400, 370], [900, 370]]], labels=[[1, 0]])

Alternativ können Sie die Inferenz mit SAM über die Befehlszeilenschnittstelle (CLI) ausführen:

yolo predict model=sam_b.pt source=path/to/image.jpg

Ausführlichere Anweisungen zur Verwendung finden Sie im Abschnitt Segmentierung.

Wie sehen die Leistungen von SAM und YOLOv8 im Vergleich aus?

Im Vergleich zu YOLOv8 sind SAM Modelle wie SAM-b und FastSAM-s größer und langsamer, bieten aber einzigartige Möglichkeiten zur automatischen Segmentierung. So ist beispielsweise Ultralytics YOLOv8n -seg 53,4 Mal kleiner und 866 Mal schneller als SAM-b. Die Zero-Shot-Performance von SAM macht es jedoch äußerst flexibel und effizient bei verschiedenen, nicht trainierten Aufgaben. Mehr über Leistungsvergleiche zwischen SAM und YOLOv8 erfahren Siehier.

Wie kann ich meinen Datensatz mit SAM automatisch annotieren?

Ultralytics' SAM bietet eine Auto-Annotation-Funktion, die es ermöglicht, Segmentierungsdatensätze mit Hilfe eines vorab trainierten Erkennungsmodells zu erstellen. Hier ist ein Beispiel in Python:

from ultralytics.data.annotator import auto_annotate

auto_annotate(data="path/to/images", det_model="yolov8x.pt", sam_model="sam_b.pt")

Diese Funktion übernimmt den Pfad zu Ihren Bildern und optionale Argumente für die vorab trainierten Erkennungs- und SAM Segmentierungsmodelle sowie Angaben zum Gerät und zum Ausgabeverzeichnis. Eine vollständige Anleitung finden Sie unter Auto-Annotation.

Welche Datensätze werden für das Training des Segment Anything Model (SAM) verwendet?

SAM wird auf dem umfangreichen SA-1B-Datensatz trainiert, der über 1 Milliarde Masken auf 11 Millionen Bildern umfasst. SA-1B ist der bisher größte Segmentierungsdatensatz, der hochwertige und vielfältige Trainingsdaten liefert und eine beeindruckende Zero-Shot-Leistung bei verschiedenen Segmentierungsaufgaben gewährleistet. Weitere Einzelheiten finden Sie im Abschnitt Datensatz.

📅 Erstellt vor 1 Jahr ✏️ Aktualisiert vor 19 Tagen

Kommentare