Grounded SAM 2 项目安装与使用指南
2026-01-30 04:19:33作者:董灵辛Dennis
1. 项目目录结构及介绍
Grounded SAM 2 项目的目录结构如下:
.
├── assets/ # 存放项目所需的资源文件
├── checkpoints/ # 存放预训练模型和训练结果
├── demo/ # 包含项目演示脚本
├── demo_images/ # 存放演示图片
├── gdino_checkpoints/ # Grounding DINO 模型的预训练权重
├── grounding_dino/ # Grounding DINO 相关代码
├── notebooks/ # Jupyter notebooks 用于分析和可视化
├── sam2/ # SAM 2 相关代码和配置
├── sav_dataset/ # 存放数据集相关文件
├── tools/ # 项目工具脚本
├── training/ # 模型训练相关脚本和代码
├── utils/ # 通用工具和辅助函数
├── .clang-format # Clang 格式配置文件
├── .gitignore # Git 忽略文件
├── .watchmanconfig # Watchman 配置文件
├── CODE_OF_CONDUCT.md # 项目行为准则
├── CONTRIBUTING.md # 贡献指南
├── Dockerfile # Docker 配置文件
├── INSTALL.md # 安装指南
├── LICENSE # 项目许可证
├── LICENSE_cctorch # cctorch 许可证
├── LICENSE_groundingdino # Grounding DINO 许可证
├── LICENSE_sam2 # SAM 2 许可证
├── MANIFEST.in # 包含文件列表
├── Makefile # Makefile 文件
├── README.md # 项目说明文件
├── SAM2_README.md # SAM 2 说明文件
├── backend.Dockerfile # 后端服务 Docker 配置文件
├── docker-compose.yaml # Docker Compose 配置文件
├── grounded_sam2_* # 项目演示和测试脚本
├── pyproject.toml # Python 项目配置文件
└── setup.py # Python 包设置文件
2. 项目的启动文件介绍
项目的启动文件主要是 demo/ 目录下的脚本,这些脚本用于演示 Grounded SAM 2 的各项功能。以下是一些主要的启动文件:
grounded_sam2_dinox_demo.py:使用 DINO-X 进行演示的脚本。grounded_sam2_florence2_autolabel_pipeline.py:使用 Florence-2 进行自动标注管道的演示脚本。grounded_sam2_hf_model_demo.py:使用 Hugging Face 模型进行演示的脚本。grounded_sam2_local_demo.py:使用本地模型进行演示的脚本。grounded_sam2_tracking_demo.py:演示视频跟踪功能的脚本。
3. 项目的配置文件介绍
项目的配置文件主要用于设置模型参数、路径和其他相关信息。以下是一些主要的配置文件:
config.py:主配置文件,包含模型、数据集、训练和测试的设置。train_config.yaml:训练配置文件,定义了训练过程中的参数设置。test_config.yaml:测试配置文件,定义了测试过程中的参数设置。
用户需要根据自己的需求修改这些配置文件,以确保项目能够正确运行。在修改配置文件时,请参考项目官方文档和注释以了解每个参数的具体含义和作用。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
875
576
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
334
161
暂无简介
Dart
762
184
🎉 (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
1.32 K
744
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
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
134