ComfyUI YoloWorld-EfficientSAM 技术文档

ComfyUI YoloWorld-EfficientSAM 技术文档

ComfyUI-YoloWorld-EfficientSAM Unofficial implementation of YOLO-World + EfficientSAM for ComfyUI 项目地址: https://gitcode.com/gh_mirrors/co/ComfyUI-YoloWorld-EfficientSAM

---

安装指南

使用 ComfyUI Manager 安装（即将推出）

• 正式支持通过ComfyUI Manager进行一键安装的方式还在开发中，请稍候。

手动安装步骤

1. 克隆项目: 在ComfyUI的custom_nodes目录下执行以下命令:

   cd custom_nodes
   git clone https://github.com/ZHO-ZHO-ZHO/ComfyUI-YoloWorld-EfficientSAM.git
   

2. 安装依赖: 切换到项目目录并安装Python依赖:

   cd ComfyUI-YoloWorld-EfficientSAM
   pip install -r requirements.txt
   

3. 下载模型: 访问Hugging Face下载efficient_sam_s_cpu.jit和efficient_sam_s_gpu.jit, 确保将它们放置在custom_nodes/ComfyUI-YoloWorld-EfficientSAM目录内。

4. 重启ComfyUI: 完成上述步骤后，重启您的ComfyUI以确保节点正确加载。

---

项目使用说明

V2.0核心特性

• 图像与视频处理: 全新版本支持对图像和视频应用目标检测和分割。
• 蒙版操作: 引入蒙版分离和提取功能，可以单独输出特定蒙版。
• 定制配置: 用户可以根据需要调整如置信度阈值、IoU阈值等参数。

使用流程

1. 导入工作流: 从V2.0的工作流文件中选择适合您需求的JSON文件导入ComfyUI。

2. 配置节点: 根据项目需求，调整节点如YOLO-World ESAM中的各类参数，例如confidence_threshold, iou_threshold等。

3. 输入数据: 提供测试图片或视频作为输入，并设置相应的检测类别。

4. 执行检测: 点击运行，查看目标检测和分割结果。

---

项目API使用文档

• YOLO-World Model Loader

  • 作用: 自动加载三种预训练模型之一(yolo_world/l, m, s)。

• ESAM Model Loader

  • 支持: 可选择CUDA加速或CPU模式运行。

• YOLO-World ESAM

  • 参数:
    • yolo_world_model: 选择YOLO-World模型。
    • esam_model: 加载EfficientSAM模型。
    • categories: 设定检测目标类别。
    • confidence_threshold, iou_threshold: 控制检测精度。
    • with_segmentation: 开启/关闭分割功能。
    • 更多详细参数见节点说明，支持高度自定义输出。

• Yoloworld ESAM Detector Provider

  • 新增特性: 提供额外集成选项，特别适配Impact-Pack。

---

项目安装方式（重复信息，参照安装指南）

已包含在上方的安装指南中，手动安装和未来计划通过ComfyUI Manager的安装方法皆有涉及。

---

通过遵循以上步骤，您可以成功部署并开始利用ComfyUI YoloWorld-EfficientSAM进行高效的目标检测和实例分割任务。记得，根据实际需求调整参数以优化您的应用体验。如有疑问，可通过提供的联系方式与开发者取得沟通。

ComfyUI-YoloWorld-EfficientSAM Unofficial implementation of YOLO-World + EfficientSAM for ComfyUI 项目地址: https://gitcode.com/gh_mirrors/co/ComfyUI-YoloWorld-EfficientSAM