Segment Anything Model
Segment Anything Model (SAM) is een foundation model, geïntroduceerd door Kirillov et al. in 2023, dat elk object in een afbeelding kan segmenteren, gegeven diverse vormen van prompts. SAM is getraind op een massale dataset van diverse afbeeldingen en leert objecten te segmenteren op basis van minimale gebruikersinvoer, zoals punten, boxen of tekstbeschrijvingen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). A Foundation Model for Image Segmentation. ScholarGate. https://scholargate.app/nl/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)Deep learning↔ compare
- Masked AutoencodersDeep learning↔ compare
- Swin TransformerDeep learning↔ compare
- Transformator voor Visuele WaarnemingDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →