[分割一切,大家一起失业！]Segment Anything光速安装教程

这次给大家带来分割一切Segment Anything的安装教程，一起来看看吧~

前期准备

Sam（Segment Anything Model）模型要求：

python>=3.8
pytorch>=1.7
torchvision>=0.8

我们先把Segment Anything的源代码下载下来：
https://github.com/facebookresearch/segment-anything

对git不熟的朋友可以下载zip然后解压：

安装环境

查看python版本

python -V

当前环境不符合则

conda创建新环境：

conda create -n sam python=3.8

查看cuda版本

nvcc -V

根据cuda版本安装合适的pytorch：

网页可以ctrl+F搜索一下：cudatoolkit=11.1

https://pytorch.org/get-started/previous-versions/

我的是11.1，所以安装命令：

# CUDA 11.1
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge

进入项目根目录，安装sam

pip install -e .

安装其他依赖，sam的案例需要用到的相关库，因此需要装一下

pip install opencv-python pycocotools matplotlib onnxruntime onnx

下载模型

在上一节，我们安装好了环境和项目，但要想使用还需要下载一下模型，模型由于过大，所以一般都会和项目分开，sam一共有一下三种模型：

我们就下载默认的模型吧：

模型链接：https://github.com/facebookresearch/segment-anything#model-checkpoints
下载好后，可以新建一个models文件夹放入

测试使用

导入依赖

import numpy as np
import torch
import matplotlib.pyplot as plt
import cv2

展示结果函数,根据分区设置不同颜色

def show_anns(anns):
    if len(anns) == 0:
        return
    sorted_anns = sorted(anns, key=(lambda x: x['area']), reverse=True)
    ax = plt.gca()
    ax.set_autoscale_on(False)
    polygons = []
    color = []
    for ann in sorted_anns:
        m = ann['segmentation']
        img = np.ones((m.shape[0], m.shape[1], 3))
        color_mask = np.random.random((1, 3)).tolist()[0]
        for i in range(3):
            img[:,:,i] = color_mask[i]
        ax.imshow(np.dstack((img, m*0.35)))

读取图片，案例图片在项目的notebooks/images里

image = cv2.imread('images/dog.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

加载模型,这里我用CPU跑，因为笔记本的3060显存只有6g跑不动，家人们，谁懂啊！

如果你想用GPU，去掉注释行就行

import sys
sys.path.append("..")
from segment_anything import sam_model_registry, SamAutomaticMaskGenerator, SamPredictor

sam_checkpoint = "../models/sam_vit_h_4b8939.pth"
model_type = "vit_h"

device = "cuda"

sam = sam_model_registry[model_type](checkpoint=sam_checkpoint)
# sam.to(device=device)

mask_generator = SamAutomaticMaskGenerator(sam)

获取识别的区域并绘制

masks = mask_generator.generate(image)
plt.figure(figsize=(20,20))
plt.imshow(image)
show_anns(masks)
plt.axis('off')
plt.show()

结果：

本期教程就结束啦，这里是GIS宇宙，我们下期再见~

商业合作请私信公众号

本人其他平台账号：

微信公众号：GIS宇宙
CSDN：GIS_宇宙
知乎：GIS宇宙
掘金：GIS宇宙