egment-anything介绍二.

ModelSAM根据点或框等输入提示生成高质量的对象遮罩可用于为图像中的所有对象生成掩膜。

官网Demo使用说明

官网Demo地址:https://segment-anything.com/demo

安装教程

官网安装说明:https://github.com/facebookresearch/segment-anything

anaconda下新建一个环境

https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda

https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

conda

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

conda

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/

conda

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/

conda

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/安装pytorch

conda

gitgithub.com:facebookresearch/segment-anything.git进入下载好的文件夹打开cmd激活安装好的环境运行以下代码

pip

https://mirrors.aliyun.com/pypi/simple/从官网下载模型并复制到源代码下

python

plt.gca()ax.set_autoscale_on(False)img

np.ones((sorted_anns[0][segmentation].shape[0],

sorted_anns[0][segmentation].shape[1],

4))img[:,:,3]

np.concatenate([np.random.random(3),

[0.35]])img[m]

sam_model_registry[model_type](checkpointsam_checkpoint)

sam.to(devicedevice)

SamAutomaticMaskGenerator(sam)#

将图像送入推理对象进行推理分割,输出结果为一个列表其中存的每个字典对象内容为

segmentation

mask_generator.generate(image)#

print(len(masks))

添加当前系统路径添加模型文件路径sys.path.append(..)sam_checkpoint

vit_h#

sam_model_registry[model_type](checkpointsam_checkpoint)sam.to(devicedevice)mask_generator

SamAutomaticMaskGenerator(sam)#

将图像送入推理对象进行推理分割,输出结果为一个列表其中存的每个字典对象内容为#

segmentation

分割出来的物体掩膜与原图像同大小有物体的地方为1其他地方为0#

area

mask_generator.generate(image)#

打印分割出来的个数以及第一个物体信息print(len(masks))print(masks[0].keys())#

plt.imshow(image)show_anns(masks,

imgPath)#

plt.gca()ax.set_autoscale_on(False)img

np.ones((sorted_anns[0][segmentation].shape[0],

sorted_anns[0][segmentation].shape[1],

4))img[:,:,3]

list(contours[maxIndex])contours

contours[::int(len(contours)/30)]else:contours

显示图像#

contours:tempData[points].append([int(point[0][0]),

int(point[0][1])])#

添加物体标注信息shapes.append(tempData)#

在彩色图像上标出物体color_mask

np.concatenate([np.random.random(3),

[1]])img[m]

sorted_anns[0][segmentation].shape[0]jsonData[imageWidth]

sorted_anns[0][segmentation].shape[1]#

保存json文件file_out.write(json.dumps(jsonData,

indent4))

关闭json文件file_out.close()ax.imshow(img)if

__name__