FastSAM 分割一切速度可以比 SAM 快 50 倍

2023-12-17 17:33:43

一、FastSAM

在自然语言处理领域有 ChatGPT 通用大语言模型系列，但是在图像领域好像一直没有通用领域模型，但MetaAI 提出能够 分割一切 的视觉基础大模型 SAM 可以做到很好的分割效果，并且不限于场景、不限于目标，为探索视觉大模型提供了一个新的方向，可以说是视觉领域通用大模型。而 FastSAM 为该任务提供了一套实时的解决方案，进一步推动了分割一切模型的实际应用和发展。

FastSAM 基于YOLOv8-seg，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。在MS COCO的对象检测任务上，在AR1000上实现了63.7，比32×32点提示输入的SAM高1.2分，在NVIDIA RTX 3090上运行速度快50倍。

在这里插入图片描述

FastSAM 同样实现了 SAM 的各种提示来分割感兴趣的特定对象。包括点提示、框提示和文本提示，通过这种提示的方式进一步促进了通用领域模型的应用：

在这里插入图片描述

论文地址：https://arxiv.org/pdf/2306.12156.pdf
代码地址：https://github.com/CASIA-IVA-Lab/FastSAM
web demo：https://huggingface.co/spaces/An-619/FastSAM

FastSAM VS SAM

运行速度：

在这里插入图片描述

内存使用：

在这里插入图片描述

更多介绍，大家可以关注官方论文和 GitHub。

二、FastSAM 使用

拉取官方代码：

git clone https://github.com/CASIA-IVA-Lab/FastSAM.git

下载相关依赖：

pip install --trusted-host mirrors.tuna.tsinghua.edu.cn -r requirements.txt -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple/

还需要 openai-clip 依赖：

pip install openai-clip==1.0.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

下载 FastSAM 模型权重，其中 FastSAM_S 是轻量级的实现，模型更小，运算速度更快：

FastSAM_X : https://drive.google.com/file/d/1m1sjY4ihXBU1fZXdQ-Xdj-mDltW-2Rqv/view

FastSAM_S: https://drive.google.com/file/d/10XmSj6mmpmRb8NhXbtiuO9cTTBwR_9SV/view

将下载的模型放到项目的weights目录下：

在这里插入图片描述

使用下面官方图像进行测试：

在这里插入图片描述

1. 分割一切：

FastSAM 会将一切他认为可以分割的东西进行分割

from fastsam import FastSAM, FastSAMPrompt
import matplotlib.pyplot as plt


def main():
    # 加载模型
    model = FastSAM('./weights/FastSAM_X.pt')
    # 图像地址
    IMAGE_PATH = './images/dogs.jpg'
    # 指定设备
    DEVICE = 'cpu'
    everything_results = model(IMAGE_PATH, device="'cpu'", retina_masks=True, imgsz=1024, conf=0.4, iou=0.9,)
    prompt_process = FastSAMPrompt(IMAGE_PATH, everything_results, device=DEVICE)
    # everything prompt
    ann = prompt_process.everything_prompt()
    
    output_img= prompt_process.plot_to_result(annotations=ann)
    plt.imshow(output_img)
    plt.show()

if __name__ == '__main__':
    main()

输出效果：

在这里插入图片描述

2. bbox prompts

根据给定一个左上角和一下右下角所形成一个矩形框，对该框中的目标进行分割：

例如：框出黑色狗的区域

from fastsam import FastSAM, FastSAMPrompt
import matplotlib.pyplot as plt
import matplotlib.patches as patches


def main():
    # 加载模型
    model = FastSAM('./weights/FastSAM_X.pt')
    # 图像地址
    IMAGE_PATH = './images/dogs.jpg'
    # 指定设备
    DEVICE = 'cpu'
    everything_results = model(IMAGE_PATH, device="'cpu'", retina_masks=True, imgsz=1024, conf=0.4, iou=0.9, )
    prompt_process = FastSAMPrompt(IMAGE_PATH, everything_results, device=DEVICE)
    
    # 目标框
    bbox = [578, 230, 776, 589]

    # bbox default shape [0,0,0,0] -> [x1,y1,x2,y2]
    ann = prompt_process.box_prompt(bboxes=[bbox])
    output_img = prompt_process.plot_to_result(annotations=ann)
    fig, ax = plt.subplots()
    ax.imshow(output_img)
    rectangle = patches.Rectangle((bbox[0],bbox[1]), (bbox[2]-bbox[0]), (bbox[3]-bbox[1]), linewidth=1, edgecolor='b', facecolor='none')
    ax.add_patch(rectangle)
    plt.show()


if __name__ == '__main__':
    main()

在这里插入图片描述

3. Point prompt

根据给定目标区域中某个点的形式分割出该目标。

例如：给出黑色狗身上的点

from fastsam import FastSAM, FastSAMPrompt
import matplotlib.pyplot as plt
import matplotlib.patches as patches


def main():
    # 加载模型
    model = FastSAM('./weights/FastSAM_X.pt')
    # 图像地址
    IMAGE_PATH = './images/dogs.jpg'
    # 指定设备
    DEVICE = 'cpu'
    everything_results = model(IMAGE_PATH, device="'cpu'", retina_masks=True, imgsz=1024, conf=0.4, iou=0.9, )
    prompt_process = FastSAMPrompt(IMAGE_PATH, everything_results, device=DEVICE)

    point = [661, 380]
    pointlabel = 1

    # point prompt
    # points default [[0,0]] [[x1,y1],[x2,y2]]
    # point_label default [0] [1,0] 0:background, 1:foreground
    ann = prompt_process.point_prompt(points=[point], pointlabel=[pointlabel])
    
    output_img = prompt_process.plot_to_result(annotations=ann)
    fig, ax = plt.subplots()
    ax.imshow(output_img)
    ax.scatter(point[0], point[1], color='r', marker='o', label='Points')
    plt.show()


if __name__ == '__main__':
    main()

在这里插入图片描述

4. Text prompt

根据文本提示的方式分割出目标，目前仅限英语提示：

例如：分割出黑色的狗：the black dog

from fastsam import FastSAM, FastSAMPrompt
import matplotlib.pyplot as plt


def main():
    # 加载模型
    model = FastSAM('./weights/FastSAM_X.pt')
    # 图像地址
    IMAGE_PATH = './images/dogs.jpg'
    # 指定设备
    DEVICE = 'cpu'
    everything_results = model(IMAGE_PATH, device="'cpu'", retina_masks=True, imgsz=1024, conf=0.4, iou=0.9,)
    prompt_process = FastSAMPrompt(IMAGE_PATH, everything_results, device=DEVICE)
    
    # text prompt
    ann = prompt_process.text_prompt(text='the black dog')
    output_img = prompt_process.plot_to_result(annotations=ann)
    plt.imshow(output_img)
    plt.show()

if __name__ == '__main__':
    main()

在这里插入图片描述

三、结合目标检测进行实例分割

以目标检测模型的 bboxs 作为提示给到 FastSAM 分割其中的目标：

import os
import torch
from torchvision.models.detection import fasterrcnn_resnet50_fpn_v2
from torchvision.transforms import functional as F
from PIL import Image, ImageDraw, ImageFont
from torchvision.ops import nms
from fastsam import FastSAM, FastSAMPrompt
import matplotlib.pyplot as plt
import numpy as np
import random

# COCO 目标分类
COCO_INSTANCE_CATEGORY_NAMES = [
    '__background__', 'person', 'bicycle', 'car', 'motorcycle',
    'airplane', 'bus', 'train', 'truck', 'boat', 'traffic light',
    'fire hydrant', 'N/A', 'stop sign', 'parking meter', 'bench',
    'bird', 'cat', 'dog', 'horse', 'sheep', 'cow', 'elephant',
    'bear', 'zebra', 'giraffe', 'N/A', 'backpack', 'umbrella', 'N/A',
    'N/A', 'handbag', 'tie', 'suitcase', 'frisbee', 'skis', 'snowboard',
    'surfboard', 'tennis racket', 'bottle', 'N/A', 'wine glass',
    'cup', 'fork', 'knife', 'spoon', 'bowl', 'banana', 'apple',
    'sandwich', 'orange', 'broccoli', 'carrot', 'hot dog', 'pizza',
    'donut', 'cake', 'chair', 'couch', 'potted plant', 'bed', 'N/A',
    'dining table', 'N/A', 'N/A', 'toilet', 'N/A', 'tv', 'laptop',
    'mouse', 'remote', 'keyboard', 'cell phone', 'microwave', 'oven',
    'toaster', 'sink', 'refrigerator', 'N/A', 'book', 'clock',
    'vase', 'scissors', 'teddy bear', 'hair drier', 'toothbrush'
]


# 目标检测
def object_detection(image, model, iou_threshold=0.5, threshold=0.8):
    # 对图像进行预处理
    image_tensor = F.to_tensor(image)
    # 增加 batch 维度
    image_tensor = image_tensor.unsqueeze(0)
    # 获取预测结果
    with torch.no_grad():
        predictions = model(image_tensor)
    # 提取预测的边界框、类别和分数
    boxes = predictions[0]['boxes'].cpu().numpy()
    labels = predictions[0]['labels'].cpu().numpy()
    scores = predictions[0]['scores'].cpu().numpy()
    # 非极大值抑制
    keep = nms(torch.tensor(boxes), torch.tensor(scores), iou_threshold=iou_threshold)
    # 保留NMS后的结果
    boxes = boxes[keep]
    labels = labels[keep]
    scores = scores[keep]
    # 过滤掉低置信度的预测
    results = []
    bboxs = []
    for box, label, score in zip(boxes, labels, scores):
        if score > threshold:
            box = [round(coord, 2) for coord in box]
            classify = COCO_INSTANCE_CATEGORY_NAMES[label]
            score = round(score, 2)
            results.append({
                "box": box,
                "classify": classify,
                "score": score,
            })
            bboxs.append(box)
    return results, bboxs


# 目标分割
def sam(image, model, bboxes, device="cpu", retina_masks=True, imgsz=1024, conf=0.4, iou=0.9):
    everything_results = model(image, device=device, retina_masks=retina_masks, imgsz=imgsz, conf=conf, iou=iou)
    prompt_process = FastSAMPrompt(image, everything_results, device=device)
    ann = prompt_process.box_prompt(bboxes=bboxes)
    return prompt_process.plot_to_result(annotations=ann)


# 生成随机颜色
def generate_random_color():
    # 生成深色随机颜色
    r = random.randint(128, 255)
    g = random.randint(120, 180)
    b = random.randint(50, 125)
    return (r, g, b)


def main():
    # 图像目录位置：
    image_path = "./img"
    # sam 模型位置
    sam_model_path = "./weights/FastSAM_X.pt"
    # 加载 FastSAM 模型
    sam_model = FastSAM(sam_model_path)
    # 加载预训练的 Faster R-CNN 模型
    object_detection_model = fasterrcnn_resnet50_fpn_v2(pretrained=True)
    object_detection_model.eval()
    # 字体
    font = ImageFont.truetype("arial.ttf", 20)

    for image_name in os.listdir(image_path):
        # 加载图像
        image = Image.open(os.path.join(image_path, image_name))
        # 目标检测
        results, bboxs = object_detection(image, object_detection_model)
        if (len(results) == 0):
            continue
        # 目标分割
        sam_image = sam(image, sam_model, bboxs)
        # 可视化结果
        sam_image = Image.fromarray(sam_image)
        draw = ImageDraw.Draw(sam_image)
        for item in results:
            box = item["box"]
            classify = item["classify"]
            score = item["score"]
            draw.rectangle(box, outline=generate_random_color(), width=2)
            draw.text((box[0], box[1]), f"{classify} ({score})", fill='red', font=font)

        plt.figure()
        plt.subplot(1, 2, 1)
        plt.imshow(image)
        plt.subplot(1, 2, 2)
        plt.imshow(sam_image)
        plt.show()


if __name__ == '__main__':
    main()

运行示例：

在这里插入图片描述

文章来源:https://blog.csdn.net/qq_43692950/article/details/135043101
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系我的编程经验分享网邮箱：veading@qq.com进行投诉反馈，一经查实，立即删除！

FastSAM 分割一切 速度可以比 SAM 快 50 倍

一、FastSAM

FastSAM VS SAM

二、FastSAM 使用

1. 分割一切：

2. bbox prompts

3. Point prompt

4. Text prompt

三、结合目标检测进行实例分割

FastSAM 分割一切速度可以比 SAM 快 50 倍