Segment Anything Meta开源分割一切模型，为进军元宇宙更近一步
上期图文教程，我们分享了Segment Anything分割一切模型的原理，Segment Anything Model 是一种以最少的人工干预构建全自动可提示图像分割模型的方法。模型提供了一键分割图片的方法，当然模型也可以运行我们输入一个坐标点，一个输入框，或者输入一个对象的文本来分割输入的对象。
它是一个单一的模型，可以轻松地执行交互式分割和自动分割。该模型允许以灵活的方式使用它，只需为模型设计正确的提示（点击、分割框、文本等），就可以完成分割任务。此外，Segment Anything Meta SAM在包含超过 10 亿个掩码的多样化、高质量数据集上进行训练，这使其能够泛化到新类型的对象和图像。
在 Segment Anything Meta SAM 中，该模式包含三个重要组成部分：
图像编码器。
提示编码器。
掩码解码器。
更多模型介绍，可以参考上期图文教程，本期教程，我们分享一下Segment Anything的代码实现过程。在运行代码前，首先需要确认一下有N卡的驱动，且成功安装了torch等第三方库
首先我们需要使用到torch与torchvision库，并使用Facebook开源的segment-anything模型，安装相关的第三方库文件，并下载预训练模型。
然后我们建立一个show函数，此函数主要用于可视化Segment Anything模型预测的结果。
然后我们读取一张本地的照片，上张照片是transformer进行对象检测的结果，我们使用原图片上传给模型。在模型读取图片前，我们需要把图片转换到RGB空间，当然这里可以show一下图片。
然后我们就可以把图片传递给模型了，这里我们使用sam_vit_h_4b8939.pth预训练模型中的vit模型，SamAutomaticMaskGenerator函数帮我们建立了一个自动分割的函数，此函数会自动分割图片中的所有检测到的分类，当然此模型可以根据自己输入的坐标信息，对象种类来单独分割某个单独的对象，此部分代码我们后期进行分享。最后我们就可以把图片传递给mask generator函数进行预测了，预测后的结果保存在mask里面。
模型预测完成后，我们可以打印出来模型预测的种类以及模型预测的结果，这里模型输出如下
有了以上的输出，我们可以使用前面建立的可视化函数来进行mask图片的可视化操作
