lhr123789的博客

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。

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。最后还是由警告，应该是没有完全安装成功。

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）

今天尝试了segment-geospatial的Segmenting remote sensing imagery with box prompts和Segmenting remote sensing imagery with point prompts案例。prompts我理解就是提示信息，可以是点、面和文本提示信息等等，告诉重点关注某些位置，有点像注意力集中机制。（图中红框是截图时加大，程序输出的一个Tiff图层，两个白色图块是SAM模型识别的）查了半天也没有调好，后续在查查看看能不能调好。

当输出数据类型选择byte时，Geotiff数据转换后不太对，RGB3波段的数值都是255。2.之后在将Geotiff数据转换成8位的RGB图像，需要在符号化中将红色、绿色、蓝色波段选好对应的波段。3. 调整好后右键点击栅格文件另存为，注意输出模式选择渲染图像，这样就可以将TIFF转换为8位的格式了，因为SAM只能处理8位3波段的RGB数据。1.原始数据是12波段的，需要先用波段重排工具保留下来2、3、4波段。处理了一个2861×1861的数据，大概花了3分钟多的时间。一.卫星数据使用的哨兵2数据。

过程当中遇到了一些坑给大家做点分享，主要有几种情况，一个是torch、torchvision、torchaudio和cuda安装的问题，版本不一致，运行过程中报错NotImplementedError: Could not run ‘torchvision::nms‘ with arguments from the ‘CUDA‘ backend. 这个时候参考了其他博主的解决方法，将torch、torchvision、torchaudio 卸载重装了一致的版本，如果你的电脑上面有GPU尽量安装GPU版本。

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。