> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/workflows/hi/blocks/blocks/run-a-model/segment-anything2-model.md).

# Segment Anything 2 मॉडल

बाउंडिंग बॉक्स को बहुभुजों में बदलें, या मास्क उत्पन्न करने के लिए पूरे चित्र पर SAM2 चलाएँ।

इमेज पर Segment Anything 2, एक ज़ीरो-शॉट इंस्टेंस सेगमेंटेशन मॉडल, चलाएँ।

\*\* समर्पित इन्फ़रेंस सर्वर आवश्यक है (GPU अनुशंसित) \*\*

आप अन्य मॉडलों से मिले बॉक्स/पूर्वानुमान को Segment Anything 2 में प्रॉम्प्ट के रूप में उपयोग करने के लिए पास कर सकते हैं। यदि आप किसी अन्य मॉडल से बॉक्स डिटेक्शन पास करते हैं, तो बॉक्स के क्लास नाम अनुमानित मास्कों में आगे भेजे जाएँगे। यदि मॉडल को बिना प्रॉम्प्ट के उपयोग किया जाता है, तो मॉडल क्लास नाम / आईडी के रूप में पूर्णांक असाइन करेगा।

### प्रकार पहचानकर्ता

स्टेप में निम्नलिखित पहचानकर्ता का उपयोग करें `"type"` फील्ड: `roboflow_core/segment_anything@v1` अपने वर्कफ़्लो में ब्लॉक को एक स्टेप के रूप में जोड़ने के लिए।

### गुण

| **नाम**            | **प्रकार** | **विवरण**                                                                                                                                                           | संदर्भ |
| ------------------ | ---------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ------ |
| `name`             | `str`      | इस स्टेप के लिए एक अद्वितीय पहचानकर्ता दर्ज करें..                                                                                                                  | ❌      |
| `संस्करण`          | `str`      | उपयोग किया जाने वाला मॉडल। hiera\_large, hiera\_small, hiera\_tiny, hiera\_b\_plus में से एक।                                                                       | ✅      |
| `थ्रेशहोल्ड`       | `float`    | अनुमानित मास्क स्कोर के लिए थ्रेशोल्ड।                                                                                                                              | ✅      |
| `बहु-मास्क आउटपुट` | `bool`     | sam2 के आंतरिक मल्टीमास्क या सिंगल मास्क मोड का उपयोग करना है या नहीं, यह निर्धारित करने वाला फ़्लैग। अस्पष्ट प्रॉम्प्ट्स के लिए इसे True पर सेट करना अनुशंसित है.. | ✅      |

यह **संदर्भ** कॉलम यह दर्शाता है कि प्रॉपर्टी को गतिशील मानों के साथ पैरामीटराइज़ किया जा सकता है, जो `वर्कफ़्लो` रनटाइम में उपलब्ध हैं। अधिक जानकारी के लिए देखें *Bindings* ।

### रनटाइम संगतता

`हार्ड` - रनटाइम `self_hosted_cpu`; निष्पादन `स्थानीय` : GPU की आवश्यकता है; run\_locally() CUDA की आवश्यकता वाला मॉडल लोड करता है।

### इनपुट और आउटपुट बाइंडिंग्स

उपलब्ध कनेक्शन उसके बाइंडिंग प्रकारों पर निर्भर करते हैं। जाँचें कि कौन-से बाइंडिंग प्रकार `Segment Anything 2 मॉडल` संस्करण में `v1` है।

<details>

<summary>इनपुट और आउटपुट बाइंडिंग्स</summary>

* इनपुट
  * `छवियाँ` ([*`image`*](/workflows/hi/developer-guide/developer-guide/kinds/image.md)): जिस छवि पर अनुमान लगाना है..
  * `बॉक्स` (*Union\[*[*`instance_segmentation_prediction`*](/workflows/hi/developer-guide/developer-guide/kinds/instance-segmentation-prediction.md)*,* [*`keypoint_detection_prediction`*](/workflows/hi/developer-guide/developer-guide/kinds/keypoint-detection-prediction.md)*,* [*`object_detection_prediction`*](/workflows/hi/developer-guide/developer-guide/kinds/object-detection-prediction.md)*]*): बहुभुजों में बदलने के लिए बॉउंडिंग बॉक्स (दूसरे मॉडल से)।
  * `संस्करण` ([*`स्ट्रिंग`*](/workflows/hi/developer-guide/developer-guide/kinds/string.md)): उपयोग किया जाने वाला मॉडल। hiera\_large, hiera\_small, hiera\_tiny, hiera\_b\_plus में से एक।
  * `थ्रेशहोल्ड` ([*`float`*](/workflows/hi/developer-guide/developer-guide/kinds/float.md)): अनुमानित मास्क स्कोर के लिए थ्रेशोल्ड।
  * `बहु-मास्क आउटपुट` ([*`boolean`*](/workflows/hi/developer-guide/developer-guide/kinds/boolean.md)): sam2 के आंतरिक मल्टीमास्क या सिंगल मास्क मोड का उपयोग करना है या नहीं, यह निर्धारित करने वाला फ़्लैग। अस्पष्ट प्रॉम्प्ट्स के लिए इसे True पर सेट करना अनुशंसित है..
* आउटपुट
  * `भविष्यवाणियाँ` ([`instance_segmentation_prediction`](/workflows/hi/developer-guide/developer-guide/kinds/instance-segmentation-prediction.md)): sv.Detections(...) ऑब्जेक्ट के रूप में पहचाने गए बाउंडिंग बॉक्स और सेगमेंटेशन मास्क के साथ पूर्वानुमान।

</details>

<details>

<summary>उदाहरण JSON परिभाषा</summary>

```json
{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/segment_anything@v1",
	    "images": "$inputs.image",
	    "boxes": "$steps.object_detection_model.predictions",
	    "version": "hiera_large",
	    "threshold": 0.3,
	    "multimask_output": true
	}
```

</details>