SAM 大模型Colab快速上手【Segment Anything Model】

Google Colab 是一个基于云的 Jupyter 笔记本环境,允许您通过浏览器编写、运行和共享 Python 代码。 它就像 Google 文档,但用于代码。

通过免费版本的 Google Colab,你可以获得带有约 16GPU VRAM 的 Nvidia Tesla T4 GPU,这对于我们正在做的事情非常有用。

SAM 大模型Colab快速上手【Segment Anything Model】_第1张图片

推荐:用 NSDT设计器 快速搭建可编程3D场景。

1、访问 Google Colab

要开始使用 Google Colab 并利用 GPU 加速,请按照以下步骤操作:

  • 访问Colab并使用你的 Google 帐户登录。
  • 单击“File”>“New notebook”以创建新笔记本。
  • 单击“Runtime”>“Change runtime type”,将运行时更改为使用 GPU。 在“Hardware accelerator”下拉列表中,选择“GPU”,然后单击“Save”。
    SAM 大模型Colab快速上手【Segment Anything Model】_第2张图片

现在我们已准备好使用启用了 GPU 的 Google Colab。

2、安装 Metaseg

首先,通过在新的代码单元中运行以下命令来安装 Metaseg 库:

!pip install metaseg

!pip 命令在 Google Colab 中用于安装环境中未预安装的 Python 包。 通过运行 !pip install metaseg,我们在 Colab 环境中安装了 Metaseg 库。

接下来,使用左侧的文件浏览器将图像上传到你的 Google Colab 环境。 在此示例中,我们将使用名为 smudge.png 的图像

SAM 大模型Colab快速上手【Segment Anything Model】_第3张图片

要显示上传的图像,请运行以下代码:

from IPython.display import Image
Image("smudge.png")

现在,从metaseg库导入 SegAutoMaskPredictor类:

from metaseg import SegAutoMaskPredictor

然后,创建 SegAutoMaskPredictor 类的实例并使用它来分割图像,代码如下:

results = SegAutoMaskPredictor().image_predict(
    source="smudge.png",
    model_type="vit_l", # vit_l, vit_h, vit_b
    points_per_side=16, 
    points_per_batch=64,
    min_area=0,
    output_path="output.png",
    show=False,
    save=True,
)

注意:
1.我设置了 show=False,因为它在Google Colab中不起作用。 这将立即显示输出图像。 在我们的例子中,我们将单独显示它。

  1. 如果要保存图像,请确保设置 save=True 。
    最后,通过运行以下命令显示带有蒙版的分割图像:
from IPython.display import Image
Image("output.jpg")

就是这样! 你已成功使用 Facebook 的 SAM 和 Google Colab 中的 Metaseg 库来分割图像。
SAM 大模型Colab快速上手【Segment Anything Model】_第4张图片

请随意进一步探索并尝试不同的图像和设置。


原文链接:SAM分割大模型简明教程 — BimANt

你可能感兴趣的:(python,开发语言)