Модель Segment Anything (SAM)#

Добро пожаловать на передний край сегментации изображений с моделью Segment Anything, или SAM. Эта революционная модель изменила подход к задаче, представив сегментацию изображений по запросу с производительностью в реальном времени и установив новые стандарты в этой области.

Введение в SAM: модель Segment Anything#

Модель Segment Anything, или SAM, — передовая модель сегментации изображений, обеспечивающая сегментацию по запросу и беспрецедентную универсальность в задачах анализа изображений. SAM лежит в основе инициативы Segment Anything — революционного проекта, представляющего новую модель, задачу и набор данных для сегментации изображений.

Продвинутая архитектура SAM позволяет модели адаптироваться к новым распределениям изображений и задачам без предварительных знаний — эта функция известна как перенос в режиме zero-shot. Обученная на обширном наборе данных SA-1B, содержащем более 1 миллиарда масок, распределённых по 11 миллионам тщательно отобранных изображений, SAM продемонстрировала впечатляющую производительность в режиме zero-shot, во многих случаях превзойдя предыдущие результаты полностью контролируемого обучения.

Примеры изображений SA-1B. На изображения набора данных наложены маски из нового набора данных SA-1B. SA-1B содержит 11 млн разнообразных, высококачественных, лицензированных изображений, защищающих конфиденциальность, и 1,1 млрд высококачественных масок сегментации. Эти маски были полностью автоматически размечены SAM и, как подтверждают оценки людей и многочисленные эксперименты, отличаются высоким качеством и разнообразием. Для визуализации изображения сгруппированы по количеству масок на изображение (в среднем приходится около ∼100 масок на изображение).

Ключевые особенности модели Segment Anything (SAM)#

• Задача сегментации по запросу: SAM разработана с учётом задачи сегментации по запросу и может создавать корректные маски сегментации на основе любого заданного запроса, например пространственных или текстовых указаний, идентифицирующих объект.
• Продвинутая архитектура: модель Segment Anything использует мощный кодировщик изображений, кодировщик запросов и лёгкий декодировщик масок. Эта уникальная архитектура обеспечивает гибкую работу с запросами, вычисление масок в реальном времени и учёт неоднозначности в задачах сегментации.
• Набор данных SA-1B: представленный проектом Segment Anything, набор данных SA-1B содержит более 1 миллиарда масок на 11 миллионах изображений. Будучи крупнейшим на сегодняшний день набором данных для сегментации, он предоставляет SAM разнообразный и масштабный источник обучающих данных.
• Производительность в режиме zero-shot: SAM демонстрирует выдающуюся производительность в режиме zero-shot в различных задачах сегментации, что делает её готовым к использованию инструментом для разнообразных приложений с минимальной потребностью в разработке промптов.

Чтобы подробно ознакомиться с моделью Segment Anything и набором данных SA-1B, посетите GitHub проекта Segment Anything и изучите исследовательскую статью Segment Anything.

Доступные модели, поддерживаемые задачи и режимы работы#

В этой таблице представлены доступные модели с соответствующими предварительно обученными весами, поддерживаемые ими задачи и совместимость с различными режимами работы, такими как Inference, Validation, Training и Export, обозначенная эмодзи ✅ для поддерживаемых режимов и ❌ для неподдерживаемых.

Как использовать SAM: универсальность и мощь в сегментации изображений#

Модель Segment Anything можно использовать для множества последующих задач, выходящих за пределы данных, на которых она обучалась. К ним относятся обнаружение границ, генерация предложений объектов, сегментация экземпляров и предварительное предсказание масок по тексту. С помощью разработки промптов SAM может быстро адаптироваться к новым задачам и распределениям данных в режиме zero-shot, что делает её универсальным и мощным инструментом для любых задач 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 сегментации всего изображения, если не передать запросы (bboxes/точки/маски).

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, min_mask_region_area=100)

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

Сравнение SAM с YOLO#

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

Это сравнение демонстрирует существенные различия в размере и скорости моделей между вариантами SAM и моделями сегментации YOLO. Хотя SAM предоставляет уникальные возможности автоматической сегментации, модели YOLO, особенно YOLOv8n-seg, YOLO11n-seg и YOLO26n-seg, значительно меньше, быстрее и эффективнее с точки зрения вычислений.

Скорость SAM измерялась с помощью PyTorch, а скорость YOLO — с помощью ONNX Runtime. Тесты выполнялись 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, nms=False)  # YOLO26 NMS-free head; no-op for YOLOv8/YOLO11
    model = YOLO(onnx_path)
    model(ASSETS)

Автоматическая разметка: быстрый путь к наборам данных для сегментации#

Автоматическая разметка — ключевая функция SAM, позволяющая создавать набор данных для сегментации с помощью предварительно обученной модели обнаружения. Эта функция обеспечивает быструю и точную разметку большого количества изображений, избавляя от необходимости выполнять трудоёмкую ручную разметку.

Создание набора данных для сегментации с помощью модели обнаружения#

Чтобы автоматически разметить 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 изображениям, а также необязательные аргументы для указания предварительно обученных моделей обнаружения и сегментации SAM, устройства, на котором будут выполняться модели, и выходного каталога для сохранения результатов разметки.

Автоматическая разметка с помощью предварительно обученных моделей может значительно сократить время и усилия, необходимые для создания высококачественных наборов данных для сегментации. Эта функция особенно полезна исследователям и разработчикам, работающим с большими коллекциями изображений, поскольку позволяет сосредоточиться на разработке и оценке моделей, а не на ручной разметке.

Цитирование и благодарности#

Если ты считаешь SAM полезной в своих исследованиях или разработке, пожалуйста, рассмотри возможность цитирования 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 благодарность Meta AI за создание и поддержку этого ценного ресурса для сообщества компьютерного зрения.

Часто задаваемые вопросы#