Model Segmentasi Apa Pun
Segment Anything Model (SAM) adalah model fondasi yang diperkenalkan oleh Kirillov et al. pada tahun 2023 yang dapat melakukan segmentasi objek apa pun dalam sebuah citra berdasarkan berbagai bentuk masukan (prompt). SAM dilatih pada kumpulan data masif yang terdiri dari citra-citra beragam dan belajar melakukan segmentasi objek berdasarkan masukan pengguna minimal seperti titik, kotak, atau deskripsi teks.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). A Foundation Model for Image Segmentation. ScholarGate. https://scholargate.app/id/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)Pembelajaran Mendalam↔ compare
- Autoenkoder BertopengPembelajaran Mendalam↔ compare
- Swin TransformerPembelajaran Mendalam↔ compare
- Vision TransformerPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →