python 深度学习 项目调试 图像分割 segment-anything

起因， 目的:

1. 项目来源: https://github.com/facebookresearch/segment-anything
2. 项目目的: 图像分割。 提前图片中的某个目标。
3. facebook 出品， 居然有 47.3k star!

思考一些问题

1. 我可以用这个项目来做什么?
2. 给一个图片， 进行分割， 如何提取出自己想要的内容？
3. 别人用这个项目来做什么？

调试过程:

1. 下载压缩包。 pip install -e .
2. pip install opencv-python pycocotools matplotlib onnxruntime onnx
3. 下载模型。 总共有3个模型。 我选最小的 358 MB

运行示例

1. 查看 notebooks 里面的3个文件，示例写的很好。
2. 换成自己的图片，更有趣一些！
3. 如果图片太大，先进行缩小。 不然内存和显存都不够，很卡！

原始图片：

简单分割一下：

画图函数，我修改了示例中的画图函数

这里， take = 10 ， 只选取10个即可。

其实，简单的图片， 3个 masks 就够了。

def show_anns(anns, take=10):
    # 检查传入的注释列表是否为空
    if len(anns) == 0:
        return

    # 对注释列表进行排序，按照每个注释的区域大小降序排列
    sorted_anns = sorted(anns, key=(lambda x: x['area']), reverse=True)[:take]

    # 获取当前的轴对象，用于绘图
    ax = plt.gca()
    # 关闭自动缩放，以确保绘制的图像不会因为数据的变化而改变大小
    ax.set_autoscale_on(False)

    # 创建一个全白的图像，其尺寸与第一个注释的分割区域相同
    # 这里假设所有注释的分割区域尺寸是一致的
    img = np.ones((sorted_anns[0]['segmentation'].shape[0], sorted_anns[0]['segmentation'].shape[1], 4))

    # 将图像的 alpha 通道（透明度）设置为 0，表示完全透明
    img[:,:,3] = 0

    # 遍历排序后的注释列表
    for ann in sorted_anns:
        # 获取当前注释的分割区域
        m = ann['segmentation']
        # 为每个注释生成一个随机颜色的遮罩，透明度设置为 0.35
        color_mask = np.concatenate([np.random.random(3), [0.35]])
        # 将遮罩应用到图像上，覆盖对应的分割区域
        img[m] = color_mask

    # 在轴对象上显示图像
    ax.imshow(img)

结论 + todo

图像相关的项目，需要显存。

masks = mask_generator.generate(image) # 运行这一步， gpu 用了 5.6G / 8.7G

---

老哥留步，支持一下。