关于SAM官网demo效果远远优于本地部署效果的原因探究

已于 2025-08-06 17:19:01 修改
阅读量329 收藏 2
点赞数 8
CC 4.0 BY-SA版权
文章标签： python
于 2025-08-06 16:21:15 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_40725313/article/details/149973854

关于SAM官网demo效果远远优于本地部署效果的原因探究

segment-anything

github 地址
官网demo地址

官方的效果就是优于他给你提供的模型本地部署的效果

要不就是官方没有提供最好的模型，要不就是使用了其他的处理方法，单纯调参并不能调出跟官网一样的效果来的

在这里插入图片描述

在github仓库有很多关于这类问题的讨论，结果要不就是官网有更好的模型，要不就是使用了其他的后处理方法。

在这里插入图片描述
左边是本地模型的效果，右边是官网demo的效果，可以看出官网的效果明显优于本地demo的效果，本地demo会有比较多的细碎的掩码产生。

讨论1

在这里插入图片描述
SamAutomaticMaskGenerator 可以通过调整一些参数来改进。但是Predictor几乎没有什么可以调整的

讨论2 onnx模型量化效果变好？

在这里插入图片描述

改进1 sam-hq

sam-hq
在这里插入图片描述

在这里插入图片描述

整体效果会比sam好一点，但还是会有小的零碎的地方，这个可能还是得依赖后处理。

渐进式改进

已完成，待补充

后处理（关键）

未完成，待思考

蜀中廖化
关注
51c大模型~合集98
whaosoft~aiotの开发板商城
12-30 1719
考虑到学术界算力的限制，在未充分训练的 LLM 上进行实验、评测，从而得到一些结论，并试图将这些结论推广为普遍适用，这一现象已经越来越普遍，这也引发了研究人员的担扰，因为在未充分训练的 LLM 上得到的结论并不一定能够普遍适用。从安全性上考虑，谷歌作为世界级独一档的科技巨头，不论发布什么产品，其用户群体都不会小，会涉及到各个种族、不同的意识形态，一点小问题就会被无限放大，而文本生成又是非常主观的，很容易受到训练材料的偏见影响，所以谷歌需要更长的时间进行合规检查。仅用了90天的时间，谷歌终于逆风翻盘。
【精华】AIGC启元2024
LeeZhao的博客
03-01 2474
AIGC启元2024，汇聚AIGC领域最前沿的动态、最深刻的分析和最具前瞻性的展望。
51c大模型~合集90
whaosoft~aiotの开发板商城
12-17 1741
你注意到，有一两个坏人的国籍特别引起你的注意，因为你还提到了其他一些不好的做法，但他们没有提到国籍。
51c大模型~合集132
whaosoft~aiotの开发板商城
05-28 2029
团队从数据的每个查询 x 中抽取开头词 w，然后构造相应的 SFT 数据对 (Q (w), x)，此外，团队还构造了一些负样本来帮助模型识别没有在训练中出现过的开头词，即对于没有在 D_1 中出现过的开头词 w’, 团队构造一条相应的拒绝回复 R (w’)，表明没有见过相应的训练数据，这类数据构成的数据对为 (Q (w’),R (w’))。该打分公式的主要思想是，模型拒绝回复的可能性越低，或者模型一直重复某个特定的输出，都表明该开头词更有可能是真实在训练数据中出现的开头词。
51c视觉~合集45
whaosoft~aiotの开发板商城
02-17 501
我自己的原文哦~ https://blog.51cto.com/whaosoft/13320248
开源威胁情报信息抽取阅读报告
qq_45591829的博客
05-28 1779
本报告就开源威胁情报信息抽取的工作进行汇报，参考了一些高引用量的文献、博客、论坛视频和项目，有助于深入了解威胁情报的全貌，尤其侧重于用于信息提取的大型语言模型。通过阅读本篇报告，可以了解到： 1.2015年以来非结构化威胁情报抽取的发展沿革和各时期的代表性工作 2.2023年使用LLM和PLM进行开源威胁情报信息抽取的最新工作 3.讨论LLM和SLM在网络安全领域落地的性能和成本比较 4.LLM现存的局限性和探索的解决方案
多模态大模型VLMs一年多的进展与思考
2301_82275412的博客
06-24 1389
要想回答视觉是否能让LLM更智能，首先要定义什么是智能，以及智能怎么来的。在此简要概述笔者理解的“智能” （不一定对）。首先将“智能”狭义的定义为“连接关系”。例如，单独的“人”这个词仅仅是一个指代，只有当我们将“人”这一概念与“手”、“头”、“车”等其他概念连接起来时，它才具有实际的意义。在狭义上，智能可以被定义为将各种事物和概念“连接”在一起的能力。将智能的产生过程归纳如下：• 首先通过观测运动的物理世界，我们会发现一些简单的“连接关系”，比如手和头是连接在一起的，树上有小绿片等。
51c大模型~合集82
whaosoft~aiotの开发板商城
12-02 1690
最后，还比较了Delta-Tuning和Delta-Compression的效果差异（Delta-Tuning指的是通过训练部分参数进行微调，Delta-Compression指的是先进行全参数微调，再将微调带来的模型参数增量进行压缩）。如果法院不批准禁令，马斯克的律师团队声称会对市场造成「无可挽回的伤害」（irreparable harm），禁止OpenAI的非营利性质变更后，OpenAI在继续接受新投资的情况下，「几乎不可能撤销」公司的交易，也就不会造成「大规模投资损失」。ChatGPT已经2岁了！
51c大模型~合集118
whaosoft~aiotの开发板商城
04-17 1195
我自己的原文哦~ https://blog.51cto.com/whaosoft/133613452W6000字综述大模型核心技术：本文2W6000字，10篇参考文献，内容涵盖了语言建模、预训练面临的挑战、量化技术、分布式训练方法，以及大语言模型的微调。此外，还讨论了参数高效微调（PEFT）技术，包括适配器、LoRA和QLoRA；介绍了提示策略、模型压缩方法（如剪枝和量化），以及各种量化技术（GPTQ、NF4、GGML）。最后，对用于减小模型大小的蒸馏和剪枝技术进行了讲解。有些内容是翻译自Huggin
SAM机架效果包.zip
02-03
"SAM机架效果包.zip" 是一个专门为音乐制作爱好者和专业人士设计的资源包，它集成了多种音频处理插件，适用于SAM（Sonic Academy Music）机架系统。这个压缩包包含了一系列增强声音质量和创意效果的工具，使得用户...
SAM机架精调唱歌聊天等效果 .rar
02-02
本文将详细讨论“SAM机架精调唱歌聊天等效果”这个主题，包括其核心概念、应用以及如何利用提供的资源来优化音频体验。 首先，我们要理解什么是“SAM机架”。SAM（Studio Audio Manager）机架是一款流行的虚拟机架...
SAM机架效果最新.VIP
07-06
SAM机架效果最新
SAM机架效果包
12-16
"SAM机架效果包"是一个专门针对音频处理和音乐制作的专业工具集合，主要适用于音乐爱好者和专业音频工程师。这个包包含了一系列预设效果，旨在提升音频的品质和创作体验。让我们逐一探讨这些标签和子文件所代表的...
anaconda 镜像源清华源问题解决
qq_19716091的博客
08-08 258
文件位置‪ C:\Users\用户\.condarc。用清华源时出现的如下图的问题。可以更换为中科大的镜像源。.condarc内容。
WebSocket 在多线程环境下处理 Session并发
TOOZOOY的博客
08-07 925
WebSocket 在多线程环境下处理 Session并发时，常见问题包括状态冲突（如 IllegalStateException）、消息乱序、连接超时等。以下是综合各技术方案的解决方案，分为单机多线程和分布式集群两类场景：
Python 属性描述符(方法是描述符)
钢铁男儿
08-08 362
❶ Text 实例的 repr 方法返回一个类似 Text 构造方法调用的字符串，❸ 如果为 obj.spam 赋值，会遮盖类属性，导致无法通过 obj 实例访。在类中定义的函数属于绑定方法（bound method），因为用户定义的函。下面来分析 Text.reverse 方法，如示例 20-15 所示。❹ 注意类型是不同的，一个是 function，一个是 method。象，里面包装着函数，并把托管实例（例如 obj）绑定给函数的第一个。方法，因此是非覆盖型描述符，如示例 20-13 中。
tkwebview-tkinter的web视图
tinga_kilin的博客
08-06 979
tkinter的web视图
用Python前后端分离开发：掌握现代Web应用构建技巧
大模型大数据攻城狮的专栏
08-06 494
重启服务，访问http://localhost:8000/docs，可以用/register和/token端点注册登录，获取Token后调用/tasks/创建任务，只有登录用户能操作自己的任务。打开浏览器，访问http://localhost:8000/docs，你会看到FastAPI自动生成的Swagger UI，里面列出了所有API端点，可以直接在线测试。任务管理应用已经能跑了，界面也美观，部署也稳妥，但如果用户多了，任务列表长到几百条，页面加载慢得像乌龟爬，API响应拖拖拉拉，用户估计得砸键盘了！
深入 FastMCP 源码：认识 tool()、resource() 和 prompt() 装饰器
最新发布
Hoper-J的博客
08-09 476
在使用 FastMCP 开发 MCP 服务器时经常会用到 `@mcp.tool()` 等装饰器。虽然它们用起来很简单，但当作黑匣子总让人感觉"不得劲"。接下来我们将深入相关的源码实现，别担心，不会钻没有意义的“[兔子洞](https://en.wikipedia.org/wiki/Wiki_rabbit_hole)”，你可以通过这篇文章了解到： - 如何简单启动本地的 MCP Server 和 MCP Inspector - 这些装饰器具体做了什么 - @mcp.tool() - @mcp.res
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值