GenSAM 项目使用文档
2024-09-18 05:03:40作者:柯茵沙
1. 项目目录结构及介绍
GenSAM/
├── config/
│ └── CHAMELEON_LLaVA1.5.yaml
│ └── CHAMELEON_LLaVA.yaml
├── datasets/
├── llava/
├── .gitignore
├── AIG_framework_v2.png
├── LICENSE
├── README.md
├── demo_show.gif
├── demo_show.mp4
├── demo_v1.ipynb
├── framework_GenSAM.gif
├── main.py
├── requirements_llava.txt
├── script_llava.sh
├── sod_metric.py
├── supp_cod.pdf
├── supp_cod.png
├── utils.py
└── utils_model.py
目录结构介绍
- config/: 存放项目的配置文件,如
CHAMELEON_LLaVA1.5.yaml
和CHAMELEON_LLaVA.yaml
。 - datasets/: 存放项目使用的数据集。
- llava/: 存放与 LLaVA 相关的代码和文件。
- .gitignore: Git 忽略文件,指定哪些文件或目录不需要被 Git 管理。
- AIG_framework_v2.png: 项目框架的图片文件。
- LICENSE: 项目的开源许可证文件。
- README.md: 项目的说明文档。
- demo_show.gif: 项目演示的 GIF 文件。
- demo_show.mp4: 项目演示的视频文件。
- demo_v1.ipynb: 项目演示的 Jupyter Notebook 文件。
- framework_GenSAM.gif: 项目框架的 GIF 文件。
- main.py: 项目的启动文件。
- requirements_llava.txt: 项目依赖的 Python 包列表。
- script_llava.sh: 与 LLaVA 相关的脚本文件。
- sod_metric.py: 用于评估分割结果的 Python 文件。
- supp_cod.pdf: 项目支持文档的 PDF 文件。
- supp_cod.png: 项目支持文档的图片文件。
- utils.py: 项目中使用的工具函数。
- utils_model.py: 与模型相关的工具函数。
2. 项目的启动文件介绍
main.py
main.py
是 GenSAM 项目的启动文件。它包含了项目的主要逻辑和执行流程。通过运行 main.py
,用户可以启动项目的核心功能,如图像分割和测试时适应。
主要功能
- 配置加载: 从配置文件中加载项目的参数和设置。
- 数据加载: 加载数据集并进行预处理。
- 模型初始化: 初始化分割模型。
- 测试时适应: 执行测试时适应机制,优化视觉提示。
- 结果输出: 输出分割结果并可视化。
使用方法
python main.py --config config/CHAMELEON_LLaVA1.5.yaml
3. 项目的配置文件介绍
config/CHAMELEON_LLaVA1.5.yaml
CHAMELEON_LLaVA1.5.yaml
是 GenSAM 项目的配置文件之一。它包含了项目运行所需的参数和设置。
主要配置项
- 数据集路径: 指定数据集的存储路径。
- 模型参数: 设置模型的超参数,如学习率、批量大小等。
- LLaVA 配置: 配置 LLaVA 模型的相关参数。
- 输出路径: 指定结果输出的路径。
示例配置
dataset:
path: "/data/CHAMELEON"
model:
learning_rate: 0.001
batch_size: 8
llava:
version: "1.5"
checkpoint: "sam_vit_h_4b8939.pth"
output:
path: "/results/CHAMELEON"
通过修改配置文件,用户可以自定义项目的运行参数,以适应不同的需求和环境。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~059CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
53
468

deepin linux kernel
C
22
5

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
7
0

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
878
517

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
336
1.1 K

React Native鸿蒙化仓库
C++
180
264

一个高性能、可扩展、轻量、省心的仓颉Web框架。Rest, 宏路由,Json, 中间件,参数绑定与校验,文件上传下载,MCP......
Cangjie
87
14

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
349
381

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
612
60