SAM 图像分割快速上手指南：点一个点就能得到对象掩码

SAM 图像分割快速上手指南：点一个点就能得到对象掩码

【免费下载链接】segment-anythingThe repository provides code for running inference with the SegmentAnything Model (SAM), links for downloading the trained model checkpoints, and example notebooks that show how to use the model.项目地址: https://gitcode.com/GitHub_Trending/se/segment-anything

Segment Anything 模型（SAM）是 Meta AI 发布的图像分割基础模型：在图像上点一个位置或框一个区域，它会返回高质量的对象掩码。如果你是想快速上手图像分割的新手、做素材抠图的编辑，或是需要预标注数据的算法工程师，这篇文章会带你跑通安装、首次调用和版本选择。

它的工作原理

SAM 的思路很直接：图像编码器（一个 ViT 视觉 Transformer）先把整张图压缩成一张特征图，相当于提前记住"图里有什么"；然后你给出的点、框等提示被提示编码器转成模型能理解的向量，掩码解码器把它和特征图结合，输出几组候选掩码，并给每组附上质量分数。整套流程对应仓库 segment_anything/modeling/ 下的 image encoder、prompt encoder、mask decoder 三个模块。

上图是自动掩码生成器的输出：整条街道被划分成语义清晰的区域，电车、树木、行人彼此分离。值得注意的是，图像编码器每张图只需跑一次，之后连续点多、框多都是即时的，这正是交互演示流畅的原因。该模型在训练中见过 1100 万张图像和 11 亿个掩码，因此可以零训练直接用于新场景。

三步跑通第一个分割结果 🔧

环境要求 Python ≥ 3.8、PyTorch ≥ 1.7，建议按 PyTorch 官方指引安装带 CUDA 支持的两个依赖。安装命令：

pip install git+https://gitcode.com/GitHub_Trending/se/segment-anything.git

或者先克隆再本地安装：

git clone https://gitcode.com/GitHub_Trending/se/segment-anything cd segment-anything pip install -e .

接着下载对应的模型权重文件（如 vit_h 版本的 sam_vit_h_4b8939.pth）放到本地。用点提示做一次分割，核心代码只有几行：

from segment_anything import SamPredictor, sam_model_registry import numpy as np from PIL import Image sam = sam_model_registry"vit_h" predictor = SamPredictor(sam) predictor.set_image(Image.open("your_image.jpg").convert("RGB")) masks, scores, _ = predictor.predict( point_coords=np.array([[x, y]]), point_labels=np.array([1]) )

代码里point_labels取 1 表示正点、0 表示负点，实测加几个负点可以把掩码从无关区域推开。预期结果：masks是一组布尔掩码，scores是模型对每个掩码的置信度。在官方示例中，点中车轮会得到下图效果，更多参数组合可参考 notebooks/predictor_example.ipynb。

版本与配置怎么选

三个版本的区别全在骨干网络规模上，输入图像统一会被缩放到 1024×1024：

选择建议：做效果评估或对外演示，直接用默认的vit_h；在 CPU 或显存紧张的环境跑批处理，换成vit_b即可。切换时只需改sam_model_registry里的版本名和 checkpoint 路径，其余代码不变。

它能解决哪些实际问题 🎯

图像编辑里的精确选区。用点或框勾出主体，掩码可直接用于去背景、局部合成或素材替换。官方示例中，人和狗、椅子混在一张图里时，各区域依然被干净地区分开：

数据集预标注。需要批量掩码时不必逐张手点，自动掩码生成器一次输出图中所有对象，且每个掩码附带质量分数，可以直接作为预标注使用：

from segment_anything import SamAutomaticMaskGenerator generator = SamAutomaticMaskGenerator(sam) masks = generator.generate(image)

浏览器端的轻量推理。掩码解码器本身很轻，可以导出为 ONNX 格式（导出脚本见 scripts/export_onnx_model.py）。demo/ 目录里有一个 React 示例，用多线程在浏览器里完成掩码预测，适合不想把图片传到服务端的场景。

想动手的话，最短路径是：克隆仓库、装好依赖、打开示例 notebook 跑一遍。先点出第一个掩码，再按需扩展到自动掩码生成和 ONNX 导出。

【免费下载链接】segment-anythingThe repository provides code for running inference with the SegmentAnything Model (SAM), links for downloading the trained model checkpoints, and example notebooks that show how to use the model.项目地址: https://gitcode.com/GitHub_Trending/se/segment-anything