مدل قطعهبندی هر چیزی (Segment Anything Model - SAM)
مدل قطعهبندی هر چیزی (SAM) یک مدل پایه است که در سال ۲۰۲۳ توسط Kirillov و همکاران معرفی شد و قادر است با انواع مختلفی از پرامپتها، هر شیئی را در تصویر قطعهبندی کند. SAM بر روی مجموعه داده عظیمی از تصاویر متنوع آموزش دیده است و یاد میگیرد اشیاء را بر اساس حداقل ورودی کاربر مانند نقاط، جعبهها یا توضیحات متنی قطعهبندی کند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
نقشهٔ روش
همسایگی روشهای مرتبط — برای کاوش، یک گره را برگزینید.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). A Foundation Model for Image Segmentation. ScholarGate. https://scholargate.app/fa/deep-learning/segment-anything-model
کدام روش؟
این روش را در کنار نزدیکترین روشهای خویشاوندش بگذارید و آنها را کنار هم بخوانید — کتابخانه کتابها را روی میز میگشاید؛ انتخاب با شماست.
- DETR (Detection Transformer)یادگیری عمیق↔ مقایسه
- خودرمزگذارِ پوشیده (Masked Autoencoders)یادگیری عمیق↔ مقایسه
- ترنسفورمر سوین (Swin Transformer)یادگیری عمیق↔ مقایسه
- ترنسفورمر بینایییادگیری عمیق↔ مقایسه
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →