网页设计网站规划报告,网站seo优化要懂得做微调,好看动漫网替代网站,广州企业网站建设方案安装anaconda
参考博文 最详细的Anaconda新手安装
pytorch 官网查找合适的版本
需要注意pytorch、CUDA、python、Anaconda的四个版本都要在相互支持的范围内#xff0c;且能够满足Segment Anything的要求#xff1a; The code requires python3.8, as well as pytorch…安装anaconda
参考博文 最详细的Anaconda新手安装
pytorch 官网查找合适的版本
需要注意pytorch、CUDA、python、Anaconda的四个版本都要在相互支持的范围内且能够满足Segment Anything的要求 The code requires python3.8, as well as pytorch1.7 and torchvision0.8. Please follow the instructions here to install both PyTorch and TorchVision dependencies. Installing both PyTorch and TorchVision with CUDA support is strongly recommended. 可以在pytorch官网选择对应的版本复制run this command对应的命令。 或者查看之前的版本 以前版本如下-whl文件 执行命令前需要在 Anaconda Prompt 中先激活环境
conda activate 环境名然后执行安装 pytorch 命令
选择合适的版本
根据你的 Python 版本和 CUDA 版本选择相应的 .whl 文件。例如我们使用的是 Python 3.11 和 CUDA 12.6可以下载 torch-2.6.0cu126-cp311-cp311-win_amd64.whlWindows 系统或 torch-2.6.0cu126-cp311-cp311-linux_aarch64.whlLinux 系统。同样对于torchvision根据Python版本和CUDA12.6我们可以下载torchvision-0.21.0cu126-cp311-cp311-win_amd64.whlWindows 系统或 torchvision-0.21.0cu126-cp311-cp311-linux_x86_64.whlLinux 系统。同样对于torchaudio根据Python版本和CUDA12.6我们可以下载torchaudio-2.6.0cu126-cp311-cp311-win_amd64.whlWindows 系统或 torchaudio-2.6.0cu126-cp311-cp311-linux_x86_64.whlLinux 系统。
下载文件
点击链接下载 .whl 文件到本地。 我的python版本是3.11 在4090服务器上下载 所以我选择三个对应版本是 pytorch2.1.0 torchvision0.16.0 torchaudio2.1.0 cp11 安装.whl文件
安装 .whl 文件
下载完成后打开命令提示符或终端导航到 .whl 文件所在的目录运行以下命令
pip install filename.whl将 替换为你下载的 .whl 文件的名称。例如
pip install torch-2.6.0cu126-cp311-cp311-win_amd64.whl安装完成之后检查一下本地是否能够使用PyTorch。我们通过在本地的Python文件中检查是否能够import torch来判断是否能够使用PyTorch
查看安装包
conda list命令除了得到当前虚拟环境下的所有已安装的包还会显示关联环境下的已安装的包 piplist命令只显示当前虚拟环境下的所有已安装的包当关联环境下有某个包再用conda命令在其他虚拟环境下下载该包时就会直接关联无需下载pip list命令得到的结果是conda list得到的结果的子集
下载Segment-anything 源码
Segment Anything github网址 选择一个方式进行下载
使用HTTPS
打开控制台输入
git clone https://github.com/facebookresearch/segment-anything.git为项目源码安装依赖库
在下载后的源码目录下框下 输入 cmd打开 cmd 窗口 在项目源码目录下激活虚拟环境 执行python setup.py install
git clone gitgithub.com:facebookresearch/segment-anything.git
cd segment-anything; pip install -e .安装必须依赖
pip install opencv-python pycocotools matplotlib onnxruntime onnx测试代码及其使用案例
下载model checkpoint
三个模型权重比较大耐心下载 在源码根目录之下创建checkpoint文件夹将下载好的模型文件放入文件
运行
添加测试文件夹和图片数据
在代码文件下创建一个stamps文件夹 在stamps下创建如下文件夹 在images文件夹下放入要测试的图片
运行代码
运行scripts文件夹下的amg.py文件 运行代码如下
python 当前文件地址/amg.py --checkpoint 当前文件地址/checkpoint/sam_vit_b_01ec64.pth --model-type vit_b --input 当前文件地址/stamps/images --output 当前文件地址/stamps/masks将当前文件地址里的内容换成自己的绝对地址
运行后的mask文件包下有除了overlay.png文件外的其他文件。 如果想要生成overlay这样的全景文件 可在amg.py文件下添加如下代码
# 手动生成 Overlay 文件
def create_mask_overlay(image_path, masks, output_pathoverlay.png, alpha0.5):生成原始图像 掩模叠加的可视化结果Args:image_path: 原始图像路径masks: SAM 输出的掩模列表每个掩模是二进制 0/1 数组output_path: 叠加图保存路径alpha: 掩模透明度 (0-1)# 读取原始图像image cv2.imread(image_path)image cv2.cvtColor(image, cv2.COLOR_BGR2RGB) # 转为 RGB# 初始化叠加层全黑overlay np.zeros_like(image)# 将所有掩模合并逻辑或操作for mask in masks:mask mask.astype(np.uint8) * 255 # 0/1 → 0/255colored_mask cv2.applyColorMap(mask, cv2.COLORMAP_JET) # 伪彩色overlay cv2.bitwise_or(overlay, colored_mask)# 叠加掩模和原始图像result cv2.addWeighted(image, 1, overlay, alpha, 0)# 保存结果cv2.imwrite(output_path, cv2.cvtColor(result, cv2.COLOR_RGB2BGR))
在amg.py的main函数下添加如下代码 if output_mode binary_mask:os.makedirs(save_base, exist_okFalse)write_masks_to_folder(masks, save_base)# ourselfbinary_masks [m[segmentation] for m in masks]overlay_path os.path.join(save_base, f{base}_overlay.png)create_mask_overlay(t, binary_masks, output_pathoverlay_path, alpha0.5)else:save_file save_base .jsonwith open(save_file, w) as f:json.dump(masks, f)大功告成恭喜
