Skip to main content

> ML_KUTUPHANE // SEGMENT-ANYTHING_v1.0

Segment Anything (SAM)

Meta FAIR — Meta'nın görüntülerde ve videolarda sıfır atışlı segmentasyon için istem odaklı temel modeli.

computer-visionv2.1Apache-2.0qualified
Resmi DokümantasyonKaynak Kod Deposu

Model Eğitimi (Training)

Destekleniyor
Desteklenen Hızlandırıcılar:
CPUCUDAROCMMPS
Dağıtık Eğitim (Distributed):Evet

Model Sunumu (Inference)

Destekleniyor
Inference Hızlandırıcıları:
CPUCUDAROCMMPS
Hedef Ortamlar (Targets):server
Kuantizasyon Formatları:FP16, BF16, INT8 via ONNX

Neleri Sağlar (Ne Yapar)

  • +Noktalar, sınırlayıcı kutular veya serbest çizim maskelerinden sıfır atışlı segmentasyon
  • +Sürekli video nesne maskesi takibi ve zamansal bellek yayılımı (SAM 2)
  • +Veri etiketleme hatları için otomatik tüm görsel maskesi üretimi
  • +Hızlı kullanıcı etkileşimi için ağır görüntü kodlayıcı ile ultra hafif istem çözücüyü ayrıştırma

Neleri Sağlamaz (Ne Yapmaz)

  • -Bölütlenen nesnelere semantik sınıf etiketleri atama (saf geometrik segmentasyon)
  • -Uç mikrodenetleyicilerde 60 FPS hızında çalışma
  • -Optik karakter tanıma (OCR) metin okuyucularının yerini alma

>Uygun İş Tipleri

  • Etkileşimli video nesne rotoskopisi ve arka plan değiştirme
  • Bilgisayarla görme eğitim kümeleri için hızlandırılmış veri etiketleme
  • Cerrahi ve bilimsel görüntü sınır tespiti

>Uygun Olmayan İş Tipleri

  • CLIP eşleştirmesi olmadan doğrudan sınıf etiketleri gerektiren anlamsal kategorizasyon
  • Düşük güçlü pilli uç IoT sensörleri
Veri Yerleşimi ve İkameti

Dahili GPU altyapısında yerel olarak çalışır. Sıfır bulut maruziyeti.

Güvenlik Değerlendirmesi

İzin verici Apache-2.0 lisansı ticari türev yazılımlara ve otomatik etiketleme platformlarına olanak tanır.

Operasyonel Metrikler ve Bilinen Kısıtlar

Olgunluk:mature
Öğrenme Eğrisi:moderate
Operasyon Yükü:moderate
Maliyet Seviyesi:high-compute
> Bilinen Kısıtlamalar:
  • Ağır Vision Transformer (ViT-H/L) omurgası, görüntü kodlama aşaması için önemli GPU VRAM'i (>=8GB) gerektirir.

İlişkili Üretim Arıza Paternleri (Incidentpedia)

Bu kütüphaneyi üretimde kullanırken aşağıdaki arıza senaryolarına karşı fail-closed korumalar uygulayın:

runtime-oom-crash

> Birincil Kanıt ve Doğrulama Kaynakları

Segment Anything 2 GitHub Repositoryofficial-docs • >=2.0.0, <=2.1.x
2026-09-25HIGH