Модел за сегментиране на всичко
Моделът за сегментиране на всичко (SAM) е фундаментален модел, представен от Кирилов и сътр. през 2023 г., който може да сегментира всеки обект в изображение, като се имат предвид различни форми на подкани. SAM е обучен върху масивен набор от данни от разнообразни изображения и се научава да сегментира обекти въз основа на минимален потребителски вход, като точки, кутии или текстови описания.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Kirillov, A., Mintun, E., Darrell, T., & Girshick, R. (2023). Segment Anything. In Proceedings of the IEEE/CVF International Conference on Computer Vision (pp. 4015-4026). DOI: 10.1109/iccv51070.2023.00371 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). A Foundation Model for Image Segmentation. ScholarGate. https://scholargate.app/bg/deep-learning/segment-anything-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- DETR (Detection Transformer)Дълбоко обучение↔ compare
- Маскирани автоенкодериДълбоко обучение↔ compare
- Swin TransformerДълбоко обучение↔ compare
- Vision TransformerДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →