本地环境搭建网站,英语字体设计网站好,工程公司起名,重庆市建设施工安全管理网官网目录 0、前言1、准备工作安装python环境说明安装说明 运行测试app安装依赖修改代码 2、实际测试效果自带图片测试其它图片测试1其它图片测试2 总结 0、前言
本文将介绍一种轻量级万物分割SAM模型——MobileSAM的安装和实测情况。SAM是meta公司的一种图像分割大模型#xff0c… 目录 0、前言1、准备工作安装python环境说明安装说明 运行测试app安装依赖修改代码 2、实际测试效果自带图片测试其它图片测试1其它图片测试2 总结 0、前言
本文将介绍一种轻量级万物分割SAM模型——MobileSAM的安装和实测情况。SAM是meta公司的一种图像分割大模型它可以将图像中自带分割物体他们号称“SAM已经学会了物体的概念”诸如此类视觉大模型是目前图像分割领域的研究热点之一。然而SAM模型存在着模型过于庞大对平民不太友好只能运行在不差钱的人和公司的服务器上这对于实际应用来说是不可接受的。然而MobileSAM出现了诸如此类的量化模型的出现给平民带来了福音使得模型在保证准确率的同时运行速度更快更加适合实际应用。本文将体验MobileSAM模型并进行实际运行测试看看实际运行效果。
1、准备工作
安装
python环境说明
安装也比较简单直接按照github主页要求按照就可以。我这里python版本是conda2021的 3.9版本 我计算机的配置是
安装说明 根据如上版本要求安装好依赖pytorchtorchvision两个依赖后可以直接安装sam
pip install githttps://github.com/ChaoningZhang/MobileSAM.git运行测试app
安装依赖
运行官方自带的app需要安装最新版本的 gradio
pip install gradio这里要注意如果是conda的环境安装完后可能会出现打不开spyder的情况是由于gradio安装时可能是对pyqt做了更换可以通过重新安装spyder解决(其它环境根据实际情况而定)
pip install Spyder修改代码
打开官方自带的app.py,可以发现默认把自动分割给注释掉了 不去掉的话运行只有手动分割
如果要自动分割简单做法直接替换一下函数就行
segment_with_points替换为segment_everything2、实际测试效果
运行app后点击浏览器进入urlhttp://127.0.0.1:7860/ 默认加载自带demo图片
自带图片测试
点击start segmenting按钮就开始自动分割了 风格结果如下 由上图可知分割的整体效果还是可以的但是比较耗时已经超过了10秒。
其它图片测试1 图片信息为 耗时为
其它图片测试2 图片信息 消耗时间 结果
总结
从运行几个demo可以看出总体上mobilesam的分割效果还是不错的可以对高纹理特征的物体进行有效分割。但是离实际的产品应用可能还需要进一步优化包括识别的速度、包括准确度、和稳定性。 总之mobilesam的出现以及量化大模型技术的出现给大模型端到端和平明化应用带来了希望这点还是要感谢那些具有开源精神和具有高超编码技术的计算机大拿们应用一位网友的话做得“功德无量让大模型进入寻常百姓家”。我们相信随着更多类似量化技术的贡献低功耗、实时运行大模型的时代会快速到来的。