SAM2

Serverless Hosted API를 통해 Meta의 SAM2 model을 사용합니다.

Meta의 Segment Anything Model 2 추론은 우리의 Serverless Hosted API. SAM2는 포인트와 바운딩 박스를 프롬프트로 받는 프롬프트 가능 비주얼 세그멘테이션 모델입니다. 우리는 두 개의 SAM2 엔드포인트를 제공합니다:

/sam2/embed_image로, 이미지 임베딩을 생성하고 캐시합니다
/sam2/segment_image로, 주어진 프롬프트에 대한 인스턴스 세그멘테이션 마스크를 반환합니다

코드 샘플

다음과 함께 HTTP 엔드포인트를 통해 SAM2를 직접 실행하세요 curl또는 inference-sdk 래퍼를 사용하세요.

API Key를 받으세요

Roboflow 계정을 만들고, 다음에서 키를 찾으세요: Roboflow API 설정 페이지 그리고 이를 셸에서 사용할 수 있도록 설정하세요:

export ROBOFLOW_API_KEY="your-key-here"

모델을 실행하세요

다음에 호출하세요. /sam2/segment_image 엔드포인트를 curl:

curl --location 'https://serverless.roboflow.com/sam2/segment_image' \
  --header 'Content-Type: application/json' \
  --data '{
    "api_key": "'"$ROBOFLOW_API_KEY"'",
    "image": {"type": "url", "value": "https://media.roboflow.com/quickstart/traffic.jpg"},
    "prompts": {"prompts": [{"points": [{"x": 520, "y": 470, "positive": true}]}]},
    "sam2_version_id": "hiera_tiny"
  }'

API Key를 받으세요

Roboflow 계정을 만들고, 다음에서 키를 찾으세요: Roboflow API 설정 페이지 그리고 이를 셸에서 사용할 수 있도록 설정하세요:

export ROBOFLOW_API_KEY="your-key-here"

종속성을 설치하세요

이 패키지들은 모델을 호출하고 결과를 그립니다:

pip install inference-sdk supervision opencv-python

모델을 실행하세요

단일 양성 포인트 프롬프트로 세그멘테이션 엔드포인트를 호출하고, 반환된 폴리곤을 supervision으로 detections로 변환한 다음, 마스크가 입력 이미지 위에 그려진 주석 PNG를 저장합니다:

import os
import cv2
import numpy as np
import requests
import supervision as sv
from inference_sdk import InferenceHTTPClient

content = requests.get("https://media.roboflow.com/quickstart/traffic.jpg").content
image = cv2.imdecode(np.frombuffer(content, np.uint8), cv2.IMREAD_COLOR)
height, width = image.shape[:2]

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)

result = client.sam2_segment_image(
    inference_input=image,
    prompts=[
        {"points": [{"x": 520, "y": 470, "positive": True}]}
    ],
    sam2_version_id="hiera_tiny",
)

detections = sv.Detections.from_sam3(sam3_result=result, resolution_wh=(width, height))

annotated = sv.MaskAnnotator().annotate(image.copy(), detections)
cv2.imwrite("traffic_annotated.png", annotated)

sv.Detections.from_sam3 는 SAM2와 SAM3가 모두 반환하는 폴리곤 예측을 읽어들이므로, 동일한 호출로 어느 모델의 출력이든 디코딩합니다.

추론 속도

다음 기준으로 측정한 지연 시간 Roboflow Inference 1x NVIDIA L4에서, 배치 크기 1로, 워밍업 이후 평균값입니다.

모델

지연 시간(ms)

sam2

177.7

다음을 사용해 측정됨 segment_image 에서 hiera_large 체크포인트. SAM2는 이미지 임베딩을 캐시하므로, 이 그림은 호출마다 새 이미지를 사용하며 전체 인코드와 디코드 비용을 반영합니다. 이미 인코딩된 이미지를 다시 프롬프트하는 것은 훨씬 더 빠릅니다.

설정 api_url 을 배포 대상에 맞게 설정하세요:

https://serverless.roboflow.com Serverless Hosted API용입니다.
http://localhost:9001 로컬 Inference 서버용입니다.
귀하의 Dedicated Deployment 비공개 엔드포인트용 URL입니다.

추가 사용 방법, 임베딩 캐싱 및 박스 프롬프트에 대한 자세한 내용은 다음을 참조하세요 Inference 문서.

이전YOLO11 다음Florence 2

마지막 업데이트 8일 전

도움이 되었나요?