【深度学习】使用Segment Anything(SAM)模型进行自动标注

Meta开源了一个图像分割模型【SegmentAnything Model】，简称SAM模型，号称分割一切，在短短开源的一周内，截止今天Github已经24k的star了！

1.下载项目

项目1：https://github.com/zhouayi/SAM-Tool

项目2：https://github.com/facebookresearch/segment-anything

下载SAM模型：

https://dl.fbaipublicfiles.com/segment_anything/sam_vit_h_4b8939.pth

# cd到项目2的主目录下

python helpers\extract_embeddings.py --checkpoint-path sam_vit_h_4b8939.pth --dataset-folder --device cpu

# cd到项目2的主目录下

python helpers\generate_onnx.py --checkpoint-path sam_vit_h_4b8939.pth --onnx-model-path ./sam_onnx.onnx --orig-im-size 1080 1920

# cd到项目1的主目录下

python segment_anything_annotator.py --onnx-model-path sam_onnx.onnx --dataset-path <dataset_path> --categories cat,dog

# cd到项目1的主目录下

python cocoviewer.py -i <dataset_path> -a <dataset_path>\annotations.json

6.将保存的json格式转换为voc格式

该工具保存的标注文件格式为COCO标准格式，如有需求可自行编写标注文件格式转换脚本，下面提供转换为VOC格式的脚本例子

原文地址

https://blog.csdn.net/weixin_45977690/article/details/130088039

    



    
往期精彩回顾





    


适合初学者入门人工智能的路线及资料下载
(图文+视频)机器学习入门系列下载
机器学习及深度学习笔记等资料打印
《统计学习方法》的代码复现专辑
交流群
欢迎加入机器学习爱好者微信群一起和同行交流，目前有机器学习交流群、博士群、博士申报交流、CV、NLP等微信群，请扫描下面的微信号加群，备注：”昵称-学校/公司-研究方向“，例如：”张小明-浙大-CV“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~（也可以加入机器学习交流qq群772479961）