Jebkā Segmentācijas Modelis
Segment Anything Model (SAM) ir pamatmodelis, ko 2023. gadā ieviesa Kirillovs et al. Tas spēj segmentēt jebkuru objektu attēlā, pamatojoties uz dažāda veida norādēm (prompts). SAM ir apmācīts uz masīvas, daudzveidīgu attēlu datu kopas un iemācās segmentēt objektus, balstoties uz minimālu lietotāja ievadi, piemēram, punktiem, rāmjiem vai teksta aprakstiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). A Foundation Model for Image Segmentation. ScholarGate. https://scholargate.app/lv/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)Dziļā mācīšanās↔ compare
- Apslēptie autoenkoderiDziļā mācīšanās↔ compare
- Swin TransformerDziļā mācīšanās↔ compare
- Vision TransformerDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →