YOLOv8最新版本支持SAM分割一切

微信公众号：OpenCV开发者联盟 关注获取更多计算机视觉与深度学习知识

SAM概述

分割任何模型 （Segment Anything Model - SAM） 是一种突破性的图像分割模型，可实现具有实时性能的快速分割。它构成了 Segment Anything 项目的基础，该项目引入了用于图像分割的新任务、模型和数据集。SAM 被设计为可提示的，允许它将零样本转移到新的图像分布和任务。该模型在 SA-1B 数据集上进行训练，该数据集在许可和尊重隐私的一千一百万张图像上包含超过 11 亿个蒙版。SAM展示了令人印象深刻的零样本分割性能，常规场合超过之前监督学习的结果。

主要特点

01

提示分段任务：

SAM 专为可提示的分割任务而设计，使其能够在给定任何分割提示（例如标识对象的空间或文本信息）的情况下返回有效的分割掩码。

02

高级架构：

SAM 利用强大的图像编码器、提示编码器和轻量级掩码解码器。这种架构在分割中实现了灵活的提示、实时掩码计算和模糊感知。

03

SA-1B 数据集：

Segment Anything项目引入了SA-1B数据集，该数据集包含1000多万张图像上的11亿多个掩码。该数据集是迄今为止最大的分割数据集，为 SAM 提供了用于训练的多样化和大规模数据源。

04

零样本性能：

SAM 在一系列分割任务中表现出卓越的零样本性能，开箱即用，可针对各种应用进行快速工程设计。

SAM 可用于各种视觉场景下游任务，涉及训练数据之外的对象和图像分布。包括边缘检测、对象推荐生成、实例分割和初级文本到掩码预测。通过采用提示工程，SAM可以零样本的方式适应新任务和数据分布，使其成为图像分割任务的多功能和强大工具。

YOLOv8中使用SAM模型

当前YOLOv8支持两种SAM模型，分别是base与large版本SAM模型。以base模型为例，基于YOLOv8框架，SAM实现推理图像分割一切得代码只需要如下几行：

from ultralytics import SAM
import cv2 as cv

model = SAM('sam_b.pt')
model.info()  # display model information
result = model.predict("D:/bird_test/master.jpg")

运行结果显示如下：

基于YOLOv8对象检测模型，实现自动语义分割模型的标注：

from ultralytics.yolo.data.annotator import auto_annotate
auto_annotate(data="path/to/images", det_model="yolov8x.pt", sam_model='sam_b.pt')

两行代码即可实现自动实例分割标注，从此爱上标注数据这个活！