分割 segment大升级 HQ-SAM 实测

已于 2024-06-11 19:09:07 修改
阅读量931 收藏 2
点赞数
分类专栏： 深度学习宝典 文章标签： python 数学建模 开发语言
于 2023-06-24 02:21:53 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jacke121/article/details/131356555
版权
本文介绍了HQ-SAM，一个提升分割模型准确性的方法，旨在处理复杂对象并保持高效零样本泛化。HQ-SAM通过引入学习的高质量输出令牌改善细节，仅在44K掩膜数据集上训练。实验证明，HQ-SAM在多个分割数据集上表现出色。同时，分享了基于HQ-SAM的box分割提取、轮廓提取、脚本及自动裁剪等应用实践。
摘要由CSDN通过智能技术生成

目录

导读

box分割提取轮廓

提取椭圆轮廓

提取不规则轮廓完整代码

HQ-SAM画box分割脚本

文件夹选box裁剪

自动裁剪box扩大版

mobilesam gpu速度60ms，

根据框分割示例代码：

Title: Segment Anything in High Quality
PDF: https://arxiv.org/pdf/2306.01567v1.pdf
Code: https://github.com/SysCV/SAM-HQ

导读

最新力作 | HQ-SAM：高质量分割一切模型（苏黎世理工&港科大）_自动驾驶之心的博客-CSDN博客

SAM 拥有强大的零样本能力和灵活的提示功能，尽管它已经通过11亿个掩膜进行了训练，但在很多情况下，特别是处理结构复杂的对象时，其掩膜预测质量还是有所欠缺。

为此，本文提出了HQ-SAM，为SAM赋予了准确分割任何对象的能力，同时保持了SAM的原始设计、效率和零样本泛化能力。作者设计重用并保留了SAM的预训练模型权重，同时仅引入了

了解本专栏 订阅专栏 解锁全文 超级会员免费看
AI算法网奇
关注
专栏目录
订阅专栏
分割一切，跟踪一切 Segment-and-Track Anything 使用笔记
jacke121的专栏
04-22 1847
分割一切，跟踪一切 Segment-and-Track Anything！视频版SAM来了
HQ-SAM：高质量地分割一切东西
m0_47867638的博客
06-15 894
不同对象的准确分割是广泛的场景理解应用的基础，包括图像/视频编辑，机器人感知和AR/VR。经过十亿级掩模标签训练的SAM (Segment Anything Model)[21]是最近发布的一种用于一般图像分割的基础视觉模型。通过采用由点、边界框或粗掩码组成的提示作为输入，SAM能够在不同的场景中分割各种各样的对象、部件和视觉结构。它的零镜头分割能力导致了快速的范式转换，因为它可以通过简单的提示转移到许多应用程序。虽然SAM取得了令人印象深刻的性能，但在许多情况下，它的分割结果仍然令人不满意。
HQ-SAM
qq_46221910的博客
07-04 318
不建议复现。
【计算机视觉 | 分割】SAM 升级版：HQ-SAM 的源代码测试（含测试用例）
wzk4869的博客
06-15 2978
【计算机视觉 | 分割】SAM 升级版：HQ-SAM 的源代码测试（含测试用例）
最新力作 | HQ-SAM：高质量分割一切模型（苏黎世理工&港科大）
CV_Autobot的博客
06-21 1077
作者|派派星 编辑| CVHub点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【语义分割】技术交流群后台回复【分割综述】获取语义分割、实例分割、全景分割、弱监督分割等超全学习资料！Title:Segment Anything in High QualityPDF:https://arxiv.org/pdf/2306.01567v1.pdfCod...
万物分割SAM家族 越发壮大！HQ-SAM、FastSAM 和 FasterSAM(MobileSAM)
idol24的博客
06-29 1732
卧剿，6万字！30个方向130篇！CVPR 2023 最全 AIGC 论文！一口气读完。1、（更高质量）Segment Anything in High Quality最近的 Segment Anything Model (SAM) 代表了分割模型的一大飞跃，有强大的零样本功能和灵活的提示。尽管11亿个掩码的训练，但 SAM 的掩码预测质量在许多情况下仍不尽如人意，尤其是在处理具有复杂结构的物体时...
【计算机视觉】不仅能分割一切简单物体，而且还能高精度分割一切复杂物体的SAM升级版本HQ-SAM来了
wzk4869的博客
06-14 4464
【计算机视觉】不仅能分割一切简单物体，而且还能高精度分割一切复杂物体的SAM升级版本HQ-SAM来了
TensorRT-使用TensorRT部署加速Segment-Anything分割一切算法-SGA-优质大模型算法部署项目实战
02-29
Segment-Anything是一个高质量的大模型算法，能够处理各种复杂的图像分割任务，而TensorRT则为这类模型提供了性能优化的平台，确保在实际应用中能够快速、高效地运行。 TensorRT是NVIDIA推出的一款深度学习推理优化...
SAM2图像分割项目+跑通版本+segment-anything-2.zip
08-02
【内容概要】: 本资源包含SAM2（Segment Anything Model 2）图像分割项目的完整跑通版本，压缩包命名为`segment-anything-2.zip`。该项目利用先进的深度学习技术实现高效、精确的图像实例分割。压缩包内含预训练模型...
AIGC论文-SAM-Segment Anything
02-29
《AIGC 论文-SAM-Segment Anything》不仅提出了一种创新的分割任务和模型，还构建了一个前所未有的大规模分割数据集。这些成果将极大地促进计算机视觉领域的基础模型研究，并有望推动相关技术在实际场景中的应用和...
SAM掩码质量改进HQ-SAM论文解读Segment Anything in High Quality
sunshineine的博客
01-29 2035
SAM尽管使用了11亿个掩码进行训练，但SAM的掩码预测质量在许多情况下都存在不足，特别是在处理结构复杂的物体时。因此提出HQ-SAM，保持SAM原有的提示设计，使SAM具备准确分割任何目标的能力，可以在保持zero-shot能力的同时产生更高质量的掩码。HQ-SAM重用并保留了SAM的预训练模型权重，同时只引入了最小的额外参数和计算。设计了一个可学习的高质量输出Token，并注入到SAM的掩码解码器中，负责预测高质量的掩码。而不是只应用它的掩码解码器功能，HQ-SAM还。
苏黎世理工 & 港科大震撼力作 HQ-SAM：SAM新秀-高质量分割一切模型
专注计算机视觉全栈知识分享
07-01 303
因此，作者提出了一个新的模型HQ-SAM，能够在保持原始SAM模型的零样本能力和灵活性的同时，预测出极高精度的分割掩膜。为了保持SAM的零射能力，轻量级的HQ-Output Token复用了SAM的掩膜解码器，并生成了新的MLP（多层感知器）层来执行与融合后的HQ-Features（高质量特征）的逐点乘积。具体来说，作者将SAM模型的ViT编码器的早期层次特征、ViT编码器的最后一层全局特征以及SAM模型掩模解码器的掩模特征进行了融合，生成了新的高质量特征（HQ-Features）。
分割一切SAM之高精度（HQ-SAM）论文详细阅读：Segment Anything in High Quality
小小帅
02-18 1590
最近推出的 Segment Anything Model (SAM) 是扩展分割模型方面的一大飞跃，它具有强大的零镜头功能和灵活的提示功能。尽管 SAM 已使用 11 亿个Mask进行了训练，但在很多情况下，尤其是在处理具有复杂结构的物体时，其Mask预测质量仍有不足。我们提出了 HQ-SAM，使 SAM 具备准确分割任何物体的能力，同时保持 SAM 最初的可提示设计、效率和零点泛化能力。我们的精心设计重用并保留了 SAM 的预训练模型权重，同时只引入了极少的额外参数和计算。我们。
HQ-SAM代码复现
m0_74137224的博客
03-16 815
代码地址。
探索SysCV/sam-hq：高效图像处理与质量增强的秘密武器
gitblog_00039的博客
03-22 351
探索SysCV/sam-hq：高效图像处理与质量增强的秘密武器 sam-hqSegment Anything in High Quality [NeurIPS 2023]项目地址:https://gitcode.com/gh_mirrors/sa/sam-hq 在图像处理和计算机视觉领域，高质量的图像处理库是开发者的重要工具之一。今天，我们要向您推荐一个名为Sam-HQ的项目，它由SysCV团队...
SAM HQ 高质量分割模型使用教程
最新发布
gitblog_00556的博客
08-09 244
SAM HQ 高质量分割模型使用教程 sam-hqSegment Anything in High Quality [NeurIPS 2023]项目地址:https://gitcode.com/gh_mirrors/sa/sam-hq 1. 项目目录结构及介绍 . ├── README.md # 项目简介和说明 ├── autodistill_sam_hq # 自动蒸馏S...
hqsam的训练
liguandong
10-11 270
【代码】hqsam的训练。
Segment Anything专题论文和代码汇总
如果想成为中心，那么就到中心去吧。
05-24 2908
分段任意事物模型（SAM）的成功证明了以数据为中心的机器学习的重要性。然而，由于标注遥感（RS）图像的困难和高成本，大量有价值的RS数据仍未被标记，特别是在像素级。在本研究中，我们利用SAM和现有的RS目标检测数据集，开发了一个有效的管道来生成一个大规模的RS分割数据集，称为SAMRS。SAMRS在大小上比现有的高分辨率RS分割数据集多出几个数量级，并提供了对象类别、位置和实例信息，可以用于语义分割、实例分割和对象检测，可以单独或组合。我们还从各个方面对SAMRS进行了全面的分析。
segment-and-track-anything
12-30
segment-and-track-anything是一种先进的技术，可以在图像或视频中对任何对象进行分割和跟踪。通过这种技术，可以识别和跟踪视频中的人、车辆、动物或其他物体，实现对它们的精准定位和跟踪。 segment-and-track-...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值