Segment Anything 2モデル

バウンディングボックスをポリゴンに変換するか、画像全体にSAM2を実行してマスクを生成します。

画像に対して、ゼロショットのインスタンスセグメンテーションモデルである Segment Anything 2 を実行します。

** 専用の推論サーバーが必要です（GPU 推奨） **

他のモデルからのボックス/予測を Segment Anything 2 に渡して、モデルへのプロンプトとして使用できます。別のモデルのボックス検出を渡すと、ボックスのクラス名が予測マスクに引き継がれます。プロンプトなしでモデルを使用する場合、モデルはクラス名 / ID として整数を割り当てます。

種別識別子

ステップで次の識別子を使用します "type" フィールド: roboflow_core/segment_anything@v1 ワークフローにステップとしてブロックを追加するには。

プロパティ

名前	型	説明	参照
name	str	このステップの一意の識別子を入力してください。	❌
バージョン	str	使用するモデル。hiera_large、hiera_small、hiera_tiny、hiera_b_plus のいずれか。	✅
しきい値	float	予測マスクのスコアの閾値。	✅
マルチマスク出力	bool	sam2 の内部マルチマスクモードを使用するか、シングルマスクモードを使用するかを決定するフラグ。あいまいなプロンプトでは True に設定することを推奨します。	✅

この 参照 列は、で利用可能な動的値を使用してプロパティをパラメータ化できる可能性を示します ワークフロー 実行時。参照 バインディング 詳細情報

ランタイム互換性

ハード - ランタイム self_hosted_cpu; 実行 ローカル : GPU が必要です。run_locally() は CUDA が必要なモデルを読み込みます。

入出力バインディング

利用可能な接続は、そのバインディング種別によって異なります。どのバインディング種別が Segment Anything 2モデル のバージョン v1 持つか確認してください。

入出力バインディング

• 入力

  • 画像 (画像）：推論対象の画像です。

  • ボックス (Union[instance_segmentation_prediction, keypoint_detection_prediction, object_detection_prediction]): ポリゴンに変換するバウンディングボックス（別のモデルからのもの）。

  • バージョン (string): 使用するモデル。hiera_large、hiera_small、hiera_tiny、hiera_b_plus のいずれか。

  • しきい値 (float): 予測マスクのスコアの閾値。

  • マルチマスク出力 (boolean): sam2 の内部マルチマスクモードを使用するか、シングルマスクモードを使用するかを決定するフラグ。あいまいなプロンプトでは True に設定することを推奨します。

• 出力

  • predictions (instance_segmentation_prediction): 検出されたバウンディングボックスとセグメンテーションマスクを sv.Detections(...) オブジェクトとして返す予測。

JSON 定義の例

{
	    "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
	}