Segment Anything Model (SAM)#

Добро пожаловать на передовой рубеж сегментации изображений с моделью Segment Anything Model, или SAM. Эта революционная модель изменила правила игры, представив сегментацию изображений на основе подсказок с производительностью в реальном времени и установив новые стандарты в этой области.

Введение в SAM: Segment Anything Model#

Segment Anything Model, или SAM, — это передовая модель сегментации изображений, которая позволяет выполнять сегментацию на основе подсказок, обеспечивая непревзойденную гибкость в задачах анализа изображений. SAM составляет основу инициативы Segment Anything — новаторского проекта, в котором представлены новая модель, задача и набор данных для сегментации изображений.

Продвинутая конструкция SAM позволяет ей адаптироваться к новым распределениям изображений и задачам без предварительного обучения — эта функция известная как zero-shot перенос. Обученная на обширном наборе данных SA-1B, содержащем более 1 миллиарда масок на 11 миллионах тщательно отобранных изображений, модель SAM продемонстрировала впечатляющую zero-shot производительность, во многих случаях превзойдя предыдущие результаты с полным контролем.

Примеры изображений SA-1B. Изображения набора данных с наложенными масками из недавно представленного набора данных SA-1B. SA-1B содержит 11 млн разнообразных изображений высокого разрешения, лицензированных и защищающих конфиденциальность, а также 1,1 млрд высококачественных масок сегментации. Эти маски были полностью автоматически аннотированы моделью SAM, и, как подтверждено экспертными оценками и многочисленными экспериментами, они обладают высоким качеством и разнообразием. Для визуализации изображения сгруппированы по количеству масок на одно изображение (в среднем примерно 100 масок на изображение).

Ключевые особенности Segment Anything Model (SAM)#

• Задача сегментации с подсказками (Promptable Segmentation Task): SAM была разработана с учетом задачи сегментации по подсказкам, что позволяет ей создавать корректные маски сегментации на основе любых заданных подсказок, таких как пространственные или текстовые указания, идентифицирующие объект.
• Передовая архитектура: Segment Anything Model использует мощный кодировщик изображений, кодировщик подсказок и легкий декодер масок. Эта уникальная архитектура обеспечивает гибкое использование подсказок, вычисление масок в реальном времени и учет неоднозначности в задачах сегментации.
• Набор данных SA-1B: Представленный в рамках проекта Segment Anything, набор данных SA-1B содержит более 1 миллиарда масок на 11 миллионах изображений. Являясь крупнейшим на сегодняшний день набором данных для сегментации, он предоставляет SAM разнообразный и масштабный источник данных для обучения.
• Zero-Shot Производительность: SAM демонстрирует выдающуюся zero-shot производительность в различных задачах сегментации, что делает ее готовым к использованию инструментом для разнообразных приложений с минимальной необходимостью в инжиниринге подсказок.

Для получения подробного обзора Segment Anything Model и набора данных SA-1B посети репозиторий Segment Anything на GitHub и ознакомься с исследовательской статьей Segment Anything.

Доступные модели, поддерживаемые задачи и режимы работы#

В этой таблице представлены доступные модели с их конкретными предобученными весами, поддерживаемыми задачами и совместимостью с различными режимами работы, такими как Inference, Validation, Training и Export, обозначенные смайликами ✅ для поддерживаемых режимов и ❌ для неподдерживаемых режимов.

Как использовать SAM: универсальность и мощь в сегментации изображений#

Segment Anything Model может применяться для множества последующих задач, выходящих за рамки ее обучающих данных. Сюда входят обнаружение границ, генерация предложений объектов, сегментация экземпляров и предварительное прогнозирование текста по маске. С помощью инжиниринга подсказок SAM может быстро адаптироваться к новым задачам и распределениям данных в режиме zero-shot, утвердившись в качестве универсального и мощного инструмента для всех твоих задач по сегментации изображений.

Пример предсказания SAM#

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")

• Логика здесь заключается в том, чтобы сегментировать всё изображение, если ты не передаешь никаких подсказок (bboxes/points/masks).

import cv2

from ultralytics.models.sam import Predictor as SAMPredictor

# Create SAMPredictor
overrides = {"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 = {"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)

• Дополнительные аргументы для Segment everything см. в Справочнике Predictor/generate.

Сравнение SAM и YOLO#

Здесь мы сравниваем модель SAM-b от Meta с моделями сегментации Ultralytics, включая YOLO26n-seg:

Это сравнение демонстрирует существенные различия в размерах моделей и скорости между вариантами SAM и моделями сегментации YOLO. В то время как SAM обеспечивает уникальные возможности автоматической сегментации, модели YOLO, в частности YOLOv8n-seg, YOLO11n-seg и YOLO26n-seg, значительно меньше, быстрее и вычислительно эффективнее.

Скорость SAM измерена с PyTorch, скорость YOLO измерена с ONNX Runtime. Тесты запущены на Apple M4 Air 2025 года с 16 ГБ оперативной памяти с использованием torch==2.10.0, ultralytics==8.4.31 и onnxruntime==1.24.4. Чтобы воспроизвести этот тест:

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 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)
    model = YOLO(onnx_path)
    model(ASSETS)

Автоаннотирование: быстрый путь к наборам данных для сегментации#

Автоаннотирование — ключевая функция SAM, позволяющая пользователям создавать набор данных для сегментации с помощью предобученной модели обнаружения. Эта функция обеспечивает быстрое и точное аннотирование большого количества изображений, исключая необходимость трудоемкой ручной разметки.

Создай свой набор 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="sam_b.pt")

Функция auto_annotate принимает путь к твоим изображениям, а также необязательные аргументы для указания предобученных моделей обнаружения и сегментации SAM, устройства для запуска моделей и выходного каталога для сохранения результатов аннотирования.

Автоаннотирование с использованием предобученных моделей позволяет значительно сократить время и усилия, необходимые для создания качественных наборов данных для сегментации. Эта функция особенно полезна исследователям и разработчикам, работающим с большими коллекциями изображений, так как позволяет сфокусироваться на разработке и оценке моделей, а не на ручной аннотации.

Цитирование и благодарности#

Если ты находишь SAM полезным в своих исследованиях или разработке, пожалуйста, рассмотри возможность цитирования нашей статьи:

@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}
}

Мы хотели бы выразить нашу благодарность Meta AI за создание и поддержку этого ценного ресурса для сообщества компьютерного зрения.

FAQ#