HKUSTMDI/mdi-sam-server 项目API接口详解
2025-06-26 01:31:02作者:伍霜盼Ellen
项目概述
HKUSTMDI/mdi-sam-server 是一个基于SAM(Segment Anything Model)模型的服务端实现,提供图像分割相关的API接口。该项目主要面向需要图像分割功能的开发者,通过简单的API调用即可获得专业的图像分割结果。
接口基础信息
请求规范
所有API请求需要遵循以下规范:
- 请求头必须包含:
Content-Type:application/json
- 需要身份验证的接口需在请求头中包含token:
token:xxxx
- 请求体采用JSON格式
接口列表
项目提供以下三个核心接口:
- predict - SAM模型预测接口,用于获取图像指定位置的mask
- preload - 图片预加载接口,可提高后续predict速度
- health - 健康检查接口
predict接口详解
接口功能
predict接口是项目的核心功能,它基于SAM模型对输入的图像进行分割处理。用户可以通过提供图像URL和提示信息(点或矩形框)来获取精确的分割结果。
请求方式
- 方法:POST
- URL:
${prefix_url}/predict
请求参数
参数名 | 类型 | 必填 | 描述 |
---|---|---|---|
tasks | JSON | 是 | 包含待处理图片信息的数组 |
task_id | string | 是 | 任务唯一标识 |
params | JSON | 是 | 预测参数配置 |
model_version | string | 否 | SAM模型类型,默认sam_vit_l |
img_type | string | 否 | 图片类型,默认normal,可选sdpc/svs/tiff/normal |
请求示例
基础请求结构
{
"tasks": [
{
"data": {
"image": "图片URL"
}
}
],
"task_id": "任务ID",
"params": {
"context": {
"result": [
// 提示信息(点或矩形框)
]
}
}
}
提示信息类型
- 点模式(keypointlabels)
{
"original_width": 3840,
"original_height": 2160,
"image_rotation": 0,
"value": {
"x": 80.31,
"y": 43.67,
"width": 0.28,
"keypointlabels": ["标签"]
},
"is_positive": true,
"type": "keypointlabels",
"origin": "manual"
}
- 矩形模式(rectanglelabels)
{
"original_width": 3840,
"original_height": 2160,
"image_rotation": 0,
"value": {
"x": 55,
"y": 44,
"width": 8,
"height": 10,
"rectanglelabels": ["标签"]
},
"type": "rectanglelabels",
"origin": "manual"
}
响应结构
{
"results": [
{
"model_version": "模型信息",
"result": [
{
"id": "结果ID",
"original_height": 2160,
"original_width": 3840,
"score": 0.73,
"type": "brushlabels",
"value": {
"bbox": [1501,570,642,730],
"brushlabels": ["标签"],
"format": "rle",
"rle": [...]
}
}
]
}
]
}
使用场景示例
1. 点提示分割
通过提供正负点提示,引导模型进行精确分割:
{
"tasks": [{"data": {"image": "图片URL"}}],
"params": {
"context": {
"result": [
// 正点1
{"value": {"x":50,"y":50,"keypointlabels":["标签"]},"is_positive":true},
// 正点2
{"value": {"x":44,"y":50,"keypointlabels":["标签"]},"is_positive":true},
// 负点
{"value": {"x":50,"y":40,"keypointlabels":["标签"]},"is_positive":false}
]
}
}
}
2. 矩形提示分割
通过提供矩形区域提示,快速获取目标分割结果:
{
"tasks": [{"data": {"image": "图片URL"}}],
"params": {
"context": {
"result": [
{
"value": {
"x":55,"y":44,"width":8,"height":10,
"rectanglelabels":["标签"]
},
"type":"rectanglelabels"
}
]
}
}
}
3. WSI图像分割
针对大尺寸WSI(Whole Slide Image)图像的特殊处理:
{
"img_type": "sdpc",
"params": {
"context": {
"cur_scale": 1.1,
"result": [
// 可混合使用点和矩形提示
]
}
}
}
preload接口详解
接口功能
preload接口用于预加载图像到模型中,可显著提高后续predict接口的响应速度。但需要注意:WSI类型图片不支持此功能。
请求方式
- 方法:POST/GET
- URL:
${prefix_url}/preload
请求参数
参数名 | 类型 | 必填 | 描述 |
---|---|---|---|
url | string | 是 | 需要预加载的图片URL |
task_id | string | 是 | 任务唯一标识 |
使用示例
{
"url": "图片URL",
"task_id": "任务ID"
}
health接口详解
接口功能
简单的健康检查接口,用于验证服务是否正常运行。
请求方式
- 方法:GET
- URL:
${prefix_url}/health
响应示例
{
"code": 200,
"model_class": "SamMLBackend",
"msg": "ok"
}
性能优化建议
- 合理使用preload:对于需要多次处理的普通图片,先调用preload接口可显著提高后续处理速度
- 选择合适的提示类型:点提示适合精细分割,矩形提示适合快速获取大致区域
- 模型版本选择:根据需求平衡精度和速度,较大模型精度更高但速度较慢
- WSI图像处理:注意必须提供cur_scale参数,并正确设置img_type
常见问题
-
Q: WSI图片为什么不能使用preload? A: WSI图片通常体积巨大,预加载会占用大量内存,因此设计为实时处理模式。
-
Q: 如何选择正负点提示? A: 正点应标记在目标区域内,负点应标记在非目标区域但容易被误识别的位置。
-
Q: 分割效果不理想怎么办? A: 可以尝试增加提示点的数量,或调整提示点的位置,必要时可混合使用点和矩形提示。
通过本文的详细讲解,开发者应该能够充分理解并使用HKUSTMDI/mdi-sam-server项目提供的API接口,实现高效的图像分割功能。
登录后查看全文
热门项目推荐
- QQwen3-Omni-30B-A3B-InstructQwen3-Omni是多语言全模态模型,原生支持文本、图像、音视频输入,并实时生成语音。00
community
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息010GitCode-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~0274get_jobs
💼【AI找工作助手】全平台自动投简历脚本:(boss、前程无忧、猎聘、拉勾、智联招聘)Java01Hunyuan3D-2
Hunyuan3D 2.0:高分辨率三维生成系统,支持精准形状建模与生动纹理合成,简化资产再创作流程。Python00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
152
1.96 K

deepin linux kernel
C
22
6

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++
431
34

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
251
9

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190

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
989
394

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
8
0

React Native鸿蒙化仓库
C++
193
274

🎉 (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
936
554

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
69