Сегментация всего на мобильных устройствах (MobileSAM)#

MobileSAM — компактная эффективная модель сегментации изображений, специально созданная для мобильных и периферийных устройств. Она переносит возможности модели Meta для сегментации всего (SAM) в среды с ограниченными вычислительными ресурсами и обеспечивает практически мгновенную сегментацию, сохраняя совместимость с исходным конвейером SAM. Независимо от того, разрабатываешь ли ты приложения реального времени или разворачиваешь облегчённые решения, MobileSAM обеспечивает впечатляющие результаты сегментации при значительно меньших требованиях к размеру и скорости по сравнению с предшественниками.

MobileSAM используется в различных проектах, включая Grounding-SAM, AnyLabeling и Segment Anything in 3D.

MobileSAM обучался на одном GPU с использованием датасета из 100 тыс. изображений (1% от исходных изображений) менее чем за день.

Доступные модели, поддерживаемые задачи и режимы работы#

В таблице ниже представлены доступная модель MobileSAM, её предварительно обученные веса, поддерживаемые задачи и совместимость с различными режимами работы, такими как вывод, валидация, обучение и экспорт. Поддерживаемые режимы обозначены ✅, а неподдерживаемые — ❌.

Сравнение MobileSAM и YOLO#

В следующем сравнении показаны различия между вариантами SAM от Meta, MobileSAM и моделями сегментации Ultralytics, включая YOLO26n-seg:

Это сравнение демонстрирует существенные различия в размере и скорости между вариантами SAM и моделями сегментации YOLO. Хотя модели SAM предлагают уникальные возможности автоматической сегментации, модели YOLO, особенно YOLOv8n-seg, YOLO11n-seg и YOLO26n-seg, значительно меньше, быстрее и эффективнее используют вычислительные ресурсы.

Скорость SAM измерялась с помощью PyTorch, а скорость YOLO — с помощью ONNX Runtime. Тесты проводились на Apple M4 Air 2025 года с 16 ГБ ОЗУ с использованием torch==2.10.0, ultralytics==8.4.31 и onnxruntime==1.24.4. Чтобы воспроизвести эти результаты:

from ultralytics import ASSETS, SAM, YOLO, FastSAM

# Profile SAM2-t, SAM2-b, SAM-b, MobileSAM
for file in ["sam_b.pt", "sam2_b.pt", "sam2_t.pt", "mobile_sam.pt"]:
    model = SAM(file)
    model.info()
    model(ASSETS)

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

# Profile YOLO models (ONNX)
for file_name in ["yolov8n-seg.pt", "yolo11n-seg.pt", "yolo26n-seg.pt"]:
    model = YOLO(file_name)
    model.info()
    onnx_path = model.export(format="onnx", dynamic=True, nms=False)  # YOLO26 NMS-free head; no-op for YOLOv8/YOLO11
    model = YOLO(onnx_path)
    model(ASSETS)

Переход с SAM на MobileSAM#

MobileSAM сохраняет тот же конвейер, что и исходная SAM, включая предварительную обработку, постобработку и все интерфейсы. Это означает, что ты можешь перейти с SAM на MobileSAM с минимальными изменениями рабочего процесса.

Ключевое различие заключается в кодировщике изображений: MobileSAM заменяет исходный кодировщик ViT-H (637 млн параметров) значительно меньшим кодировщиком Tiny-ViT (5 млн параметров). На одном GPU MobileSAM обрабатывает изображение примерно за 12 мс (8 мс для кодировщика и 4 мс для декодировщика масок).

Сравнение кодировщиков изображений на основе ViT#

Декодировщик масок с управлением подсказками#

Сравнение полного конвейера#

Производительность MobileSAM и исходной SAM ниже показана с использованием точечных подсказок и подсказок в виде рамок.

MobileSAM примерно в 7 раз меньше и в 5 раз быстрее FastSAM. Дополнительную информацию можно найти на странице проекта MobileSAM.

Тестирование MobileSAM в Ultralytics#

Как и для исходной SAM, Ultralytics предоставляет простой интерфейс для тестирования MobileSAM с поддержкой точечных подсказок и подсказок в виде рамок.

Загрузка модели#

Загрузи предварительно обученные веса MobileSAM из ресурсов Ultralytics.

Точечная подсказка#

from ultralytics import SAM

# Load the model
model = SAM("mobile_sam.pt")

# Predict a segment based on a single point prompt
model.predict("ultralytics/assets/zidane.jpg", points=[900, 370], labels=[1])

# Predict multiple segments based on multiple points prompt
model.predict("ultralytics/assets/zidane.jpg", points=[[400, 370], [900, 370]], labels=[1, 1])

# Predict a segment based on multiple points prompt per object
model.predict("ultralytics/assets/zidane.jpg", points=[[[400, 370], [900, 370]]], labels=[[1, 1]])

# Predict a segment using both positive and negative prompts.
model.predict("ultralytics/assets/zidane.jpg", points=[[[400, 370], [900, 370]]], labels=[[1, 0]])

Подсказка в виде рамки#

from ultralytics import SAM

# Load the model
model = SAM("mobile_sam.pt")

# Predict a segment based on a single box prompt
model.predict("ultralytics/assets/zidane.jpg", bboxes=[439, 437, 524, 709])

# Predict multiple segments based on multiple box prompts
model.predict("ultralytics/assets/zidane.jpg", bboxes=[[439, 437, 524, 709], [114, 196, 313, 708]])

MobileSAM и SAM используют один и тот же API. Подробнее об использовании см. в документации SAM.

Автоматическое создание наборов данных для сегментации с помощью модели обнаружения#

Чтобы автоматически аннотировать свой набор данных с помощью фреймворка Ultralytics, используй функцию auto_annotate, как показано ниже:

from ultralytics.data.annotator import auto_annotate

auto_annotate(data="path/to/images", det_model="yolo26x.pt", sam_model="mobile_sam.pt")

Цитирование и благодарности#

Если MobileSAM полезна в твоём исследовании или разработке, рассмотри возможность процитировать следующую статью:

@article{mobile_sam,
  title={Faster Segment Anything: Towards Lightweight SAM for Mobile Applications},
  author={Zhang, Chaoning and Han, Dongshen and Qiao, Yu and Kim, Jung Uk and Bae, Sung Ho and Lee, Seungkyu and Hong, Choong Seon},
  journal={arXiv preprint arXiv:2306.14289},
  year={2023}
}

Прочитай полную статью о MobileSAM на arXiv.

Часто задаваемые вопросы#