SAM大模型实践（五）

最新推荐文章于 2025-11-16 13:01:22 发布
原创 最新推荐文章于 2025-11-16 13:01:22 发布 · 677 阅读 · 1 ·
CC 4.0 BY-SA版权
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。
文章标签：

#python

今天尝试了geo-SAM模型里面的text-prompt，遇到了几个坑，没有成功，还在调试，后续找到解决方法了发出来，也欢迎大侠帮忙解决一下。

第一个坑，安装groundingdino包，安装失败。

参考了https://github.com/IDEA-Research/GroundingDINO/issues/347解决了一些问题，

最后还是由警告，应该是没有完全安装成功。

按照项目一步一步跑，跑到SAM模型调用的时候报错：

Sam2 text prompts - segment-geospatial

最低0.47元/天 解锁文章
QGIS插件Geo-SAM使用（基于SAM半自动标注遥感图像）
weixin_45213317的博客
04-17 3471
Geo-SAM是一个QGIS插件，旨在帮助人们在使用大尺寸地理空间栅格图像时有效地分割、描绘或标记地貌。Segment Anything Model （SAM） 是一个具有超能力的基础 AI 模型，但模型大小巨大，即使使用现代 GPU，使用它来处理图像也可能需要很长时间。我们的工具使用预先对图像特征进行编码和修剪 SAM 模型的策略。交互式分割算法可以在笔记本电脑CPU上执行实时推理（以毫秒级速度），使其成为处理遥感图像的方便高效的工具。
SAM大模型实践（六）
lhr123789的博客
12-25 909
运行时间确实比普通的sam快很多，当然会牺牲一些精度，但是有一些场景确实需要快，精度够用即可。希望这篇博客对你有用，欢迎大家留言交流。
Segment Anything Model Geospatial (SAM-Geo) 创建交互式地图
天波风客的博客
06-20 1446
SAM-Geo是一个用于地理空间数据的Python 包，可在 PyPI 和 conda-forge 上使用。本节教程是SAM-Geo官网的一个教程，根据输入提示范围创建mask遮罩。后面还有一种基于提示词创建的方式，如只输出房屋、道路、树木等，下一期我们专门写一篇。输入提示是指提供给模型以指导其生成或决策过程的信息或指令。在使用 Segment Anything Model (SAM) 生成对象掩...
Geo-SAM：高效地理空间图像分割插件
最新发布
gitblog_00837的博客
11-16 1350
--- ## 项目介绍 **Geo-SAM** 是一个专为QGIS设计的插件，旨在解决处理大型地理空间栅格图像时的地貌分割、描绘或标记问题，大大提升了效率。它基于强大的 **Segment Anything Model (SAM)**，一个具有超级能力的基础AI模型。然而，原生SAM模型体积庞大，即使在配备现代GPU的系统上处理图像也可能耗时过长。Geo-SAM通过预先编码图像特征和精简SAM
SAM大模型segment-geospatial 案例 sam2 box prompts 相关数据
12-19
samgeo box prompts案例测试数据
计算机视觉：比SAM快50倍的分割一切视觉模型FastSAM
十年以上架构设计经验，专注于软件架构和人工智能领域，对机器视觉、NLP、音视频等领域都有涉猎
08-22 4860
最近发布的FastSAM（Fast Segment Anything），论文结果最快提升50倍，参数更少，显存占用减少，适合应用部署。FastSAM是基于YOLOv8-seg的，这是一个配备了实例分割分支的对象检测器，它利用了YOLACT 方法。作者还采用了由SAM发布的广泛的SA-1B数据集。通过直接在仅2%（1/50）的SA-1B数据集上训练这个CNN检测器，它实现了与SAM相当的性能，但大大减少了计算和资源需求，从而实现了实时应用。作者还将其应用于多个下游分割任务，以显示其泛化性能。
SAM大模型在卫星遥感中得应用实践
lhr123789的博客
12-17 1024
项目地址：xGitHub - opengeos/segment-geospatial: A Python package for segmenting geospatial data with the Segment Anything Model (SAM)卫星遥感+SAM大模型会产生什么样的火花？已经有研究者开展了这方面的研究，在此给大家分享一些实践过程中的体会，希望对大家有用。吴秋生老师等开发维护的SAM和遥感数据结合的项目，文档特别详细，详细介绍了如何使用SAM模型来处理卫星遥感数据。
SAM大模型实践（七）
lhr123789的博客
12-26 781
maxar-open-data 项目提供了一些有关灾害防御、灾后评估等方面的卫星影像资料。好像是海啸冲毁了沿海的公路，海水倒灌浸没了部分居民区。
多模态开集大模型-基于Yolo-world+EfficientViT-SAM实现的开集多模态目标分割大模型算法-附项目源码
10-16
本文档所介绍的“多模态开集大模型”是一个高度创新和实用的研究成果，它不仅展示了在多模态学习领域内的最新进展，还为相关的技术实践者提供了强大的工具和资源。这项技术的实现和普及，将极大推动机器视觉、人工...
项目实训（七）——研究如何使用no prompt进行切割
yyyyyyyx_的博客
05-30 1215
一、text-prompt 因为我们的项目是要通过sam进行对医疗图像的分割，所以我们这里肯定不能提供坐标点、框等位置对医疗图像进行切割，那么我们必须要采用no-prompt的方式，可是传统的SAM模型只能基于point、box、mask三种方式进行prompt，我们该如何才能使SAM达到我们的预期目的呢? 一种可能的方式是用text进行prompt，就算我们提供文本信息让sam进行切割，市面上是具有一些对现有SAM模型进行了text prompt改进的模型的。 比如说FastSam： Fast
Geo-SAM 项目常见问题解决方案
gitblog_00106的博客
11-14 793
Geo-SAM 是一个 QGIS 插件工具，它使用 Segment Anything Model (SAM) 来加速地理空间栅格图像中的地形分割或描绘。该工具特别适用于处理大规模的地理空间栅格图像，通过预先编码图像特征和剪裁 SAM 模型，实现了在笔记本电脑 CPU 上实时推理（毫秒级响应速度）。Geo-SAM 插件包括两个独立的部分：图像编码部分和交互分割部分。图像编码部分用于生成并保存图像特征
sam2 安装使用踩坑笔记
热门推荐
jacke121的专栏
08-30 7万+
sam2 安装使用踩坑笔记
让SAM2感知一切！图像/视频分割、解释、字幕全到位，一次交互文本Mask齐出
Paper weekly
06-30 231
PAM 引入了 Semantic Perceiver 来连接 SAM2 分割骨架和 LLM，高效地将视觉特征“翻译”成多模态 token，通过 SAM 2 分割骨架 + Semantic Perceiver + LLM 并行解码，在保证轻量高效的前提下，实现了分割 mask 和语义信息并行输出的图像/视频区域级理解！和相同参数量的 DAM-3B 模型相比，PAM-3B 推理更快，显存更省。，就在多个图像和视频理解基准上全面刷新或逼近 SOTA，且具备更优的推理效率和显存占用，真正实现。
SAM2 微调策略全解析
i89211的博客
03-16 3117
本文梳理了SAM2模型常见的四种微调策略，包括冻结解码器、部分解冻、全量微调及PEFT，并结合示例代码与实践建议，帮助读者在不同数据规模和算力条件下快速上手并获得优质分割效果，同时关注数据增广与验证集指标，以全面提升模型表现并提高鲁棒性能。
SAM 影像分割——地理空间数据的分段模型的数据调参和自动分割分析
此星光明博客
03-01 1712
segment-geospatial 软件包的灵感来自 Aliaksandr Hancharenka 编写的 segment-anything-eo 存储库。为了方便将 Segment Anything Model（SAM）用于地理空间数据，我开发了 segment-anything-py 和 segment-geospatial Python 软件包，现在可以在 PyPI 和 conda-forge 上下载。
SAM大模型实践（四）
lhr123789的博客
12-19 1104
应用场景为有卫星遥感影像（satellit.tiff）和比较粗的初始建筑轮廓矢量数据(building_bboxes.geojson)，通过SAM大模型sam2对图像进行分割，获取更为准确的建筑轮廓数据（building_masks.tiff；（上图 黄色框为building_bboxes.geojson可视化效果，后续作为sam2的box prompts）（上图为将tiff格式转换为geojson格式，building_vector.geojson）
【亲测免费】 开源项目segment-geospatial常见问题解决方案
gitblog_00453的博客
12-14 985
segment-geospatial是一个Python开源项目，主要用于地理空间数据的分割处理。该项目基于Segment Anything Model (SAM)进行开发，目的是简化SAM在地理空间数据分析中的应用，使得用户能够通过最小的编码工作实现地理空间数据的分割。主要编程语言为Python。 ## 新手常见问题及解决步骤 ### 问题一：项目依赖安装困难 **问题描述：** 新手在尝试安...
【亲测免费】 Geo-SAM：基于QGIS的地理空间图像分割插件
gitblog_00385的博客
11-12 1163
Geo-SAM 是一个开源项目，旨在帮助用户在使用大型地理空间栅格图像时，高效地进行地形分割、描绘或标记。该项目主要由 Python 编程语言实现。 ## 项目基础介绍 Geo-SAM 是一个基于 QGIS 的插件，利用 Segment Anything Model (SAM) 来加速地理空间图像的分割过程。由于 SAM 模型体积庞大，处理图像可能需要较长时间，尤其是在没有现代 GPU 的情况
SAM大模型学习路线
03-25
### 关于 SAM 大模型的学习路径 学习 SAM（Segment Anything Model）大模型需要掌握多个方面的知识，包括但不限于计算机视觉的基础理论、深度学习框架的应用以及具体到 SAM 的实现细节。以下是关于 SAM 大模型的学习路径： #### 1. 计算机视觉基础知识 理解 SAM 需要具备扎实的计算机视觉基础，尤其是语义分割和实例分割的相关概念。可以参考经典的教材或在线课程来学习这些内容。 - 推荐书籍：《Computer Vision: Algorithms and Applications》[^5]。 - 在线资源：Coursera 上的 Computer Vision 特专项课程[^6]。 #### 2. 深度学习框架应用 SAM 是基于 PyTorch 实现的大规模模型，因此熟悉 PyTorch 对理解和实践 SAM 至关重要。 - 官方文档：PyTorch 提供了详尽的入门指南和高级教程[^7]。 - 示例代码： ```python import torch from torchvision.models.segmentation import fcn_resnet50 model = fcn_resnet50(pretrained=True) print(model) ``` #### 3. SAM 的安装与使用 根据引用描述，在 Google Colab 平台上运行 SAM 算法相对简单。可以通过以下步骤快速上手 SAM 地理空间版本的安装和基本操作[^1]。 - 安装依赖项： ```bash pip install -U segment-geospatial ``` - 导入必要库并初始化模型： ```python import leafmap from samgeo import SamGeo, regularize sam_model = SamGeo() ``` #### 4. 数据处理与预训练模型选择 为了获得更好的效果，需注意数据格式化的过程，例如波段顺序调整和数据类型的转换。此外，选择合适的预训练模型也是关键一步[^2]。 #### 5. 性能评估方法 在完成模型部署之前，应对其进行全面测试以确保其稳定性和准确性。这涉及多维度的评价标准和技术手段[^3]。 #### 6. 扩展阅读与研究方向 随着模型尺寸的增长，相应的计算需求也会显著提高；然而，只有当训练集大小同步增长时才能持续改善性能[^4]。对此现象的研究有助于优化未来的工作流程。 --- ###
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
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