サイトの全体構成

ゼロショットのセグメンテーション（Segment Anything Model，Python，PyTorch を使用）（Windows 上）

元画像と，生成されたセグメンテーションマスク

Segment Anything Model (SAM)

Segment Anything（SA）は、画像セグメンテーションのための基盤モデルを構築することを目的としたプロジェクトである。このプロジェクトでは、新しいデータ分布とタスクに一般化できるプロンプト可能なセグメンテーションモデルSegment Anything Model（SAM）が開発された。Segment Anything Model（SAM）はゼロショットでのセグメンテーションが可能である。さらに、1100万枚以上の画像と、それらの画像に対する10億以上のマスクを含むセグメンテーションデータセットSA-1Bデータセットが構築された。

【文献】

Alexander Kirillov, Eric Mintun, Nikhila Ravi, Hanzi Mao, Chloe Rolland, Laura Gustafson, Tete Xiao, Spencer Whitehead, Alex Berg, Wan-Yen Lo, Piotr Dollar, Ross Girshick, Segment Anything, arXiv:2304.02643, 2023.

https://arxiv.org/pdf/2304.02643v1.pdf

【関連する外部ページ】

公式の GitHub ページ: https://github.com/facebookresearch/segment-anything
Segment Anything のオンラインデモ: https://segment-anything.com/demo#
Paper with Code のページ: https://paperswithcode.com/paper/segment-anything

【関連項目】 HQ-SAM (Segment Anything in High Quality)

前準備

Git のインストール（Windows 上）

Gitは，バージョン管理システム．ソースコードの管理や複数人での共同に役立つ．

【サイト内の関連ページ】

Windows での Git のインストール: 別ページ »で説明している．

【関連する外部ページ】

Git の公式ページ: https://git-scm.com/

Python のインストール（Windows 上）

【サイト内の関連ページ】

Windows での Python 3.10，関連パッケージ，Python 開発環境のインストール: 別ページ »で説明している．
Windows での Anaconda3 のインストール: 別ページ »で説明している．
Python のまとめ: 別ページ »にまとめている．

【関連する外部ページ】

Python の公式ページ: https://www.python.org/

Build Tools for Visual Studio 2022，NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8，NVIDIA cuDNN 8.6 のインストール（Windows 上）

【サイト内の関連ページ】

NVIDIA グラフィックスボードを搭載しているパソコンの場合には， NVIDIA ドライバ， NVIDIA CUDA ツールキット， NVIDIA cuDNN のインストールを行う．

Windows での Build Tools for Visual Studio 2022，NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8，NVIDIA cuDNN v8.6 のインストールと動作確認: 別ページ »で説明している．

【関連する外部ページ】

Build Tools for Visual Studio 2022 （ビルドツール for Visual Studio 2022）の公式ダウンロードページ: https://visualstudio.microsoft.com/ja/visual-cpp-build-tools/
NVIDIA ドライバのダウンロードの公式ページ: https://www.nvidia.co.jp/Download/index.aspx?lang=jp
NVIDIA CUDA ツールキットのアーカイブの公式ページ: https://developer.nvidia.com/cuda-toolkit-archive
NVIDIA cuDNN のダウンロードの公式ページ: https://developer.nvidia.com/cudnn
winimage の ZLIB DLL の公開ページ: http://www.winimage.com/zLibDll/

PyTorch のインストール（Windows 上）

Windows で，コマンドプロンプトを管理者として実行

コマンドプロンプトを管理者として実行: 別ページ »で説明
PyTorch のページを確認
PyTorch のページ: https://pytorch.org/index.html
次のようなコマンドを実行（実行するコマンドは，PyTorch のページの表示されるコマンドを使う）．
次のコマンドは， PyTorch 2.0 （NVIDIA CUDA 11.8 用）をインストールする．但し，Anaconda3を使いたい場合には別手順になる．
事前に NVIDIA CUDA のバージョンを確認しておくこと（ここでは，NVIDIA CUDA ツールキット 11.8 が前もってインストール済みであるとする）．
PyTorch で，GPU が動作している場合には，「torch.cuda.is_available()」により，True が表示される．
```
python -m pip install -U --ignore-installed pip
python -m pip install -U torch torchvision torchaudio numpy --index-url https://download.pytorch.org/whl/cu118
python -c "import torch; print(torch.__version__, torch.cuda.is_available())" 
```
Anaconda3を使いたい場合には， Anaconda プロンプト (Anaconda Prompt) を管理者として実行し，次のコマンドを実行する．（PyTorch と NVIDIA CUDA との連携がうまくいかない可能性があるため，Anaconda3を使わないことも検討して欲しい）．
```
conda install -y pytorch torchvision torchaudio pytorch-cuda=11.8 cudnn -c pytorch -c nvidia
py -c "import torch; print(torch.__version__, torch.cuda.is_available())" 
```
【サイト内の関連ページ】
- Windows での PyTorch のインストール: 別ページ »で説明している．
【関連する外部ページ】
- PyTorch のページ: https://pytorch.org/index.html

SAM のインストール（Windows 上）

公式の GitHub ページ: https://github.com/facebookresearch/segment-anything の記載に従う．

Windows で，コマンドプロンプトを管理者として実行

コマンドプロンプトを管理者として実行: 別ページ »で説明

ダウンロードとインストール

cd %HOMEPATH%
rmdir /s /q segment-anything
git clone --recursive https://github.com/facebookresearch/segment-anything
cd segment-anything
python -m pip install -e .
python -m pip install -U opencv-python pycocotools matplotlib onnxruntime onnx gdown
mkdir pretrained_checkpoint

終了の確認
エラーメッセージが出ていないこと．
学習済みモデルのダウンロード
学習済みモデルは，公式ページで公開されている．

次のコマンドを実行することにより，公式ページで公開されている学習済みモデル vit_b: ViT-B SAM model, vit_l: ViT-L SAM model, vit_h: ViT-H SAM model をダウンロードする．
```
cd %HOMEPATH%\segment-anything
cd pretrained_checkpoint
curl -L -O https://dl.fbaipublicfiles.com/segment_anything/sam_vit_b_01ec64.pth
curl -L -O https://dl.fbaipublicfiles.com/segment_anything/sam_vit_l_0b3195.pth
curl -L -O https://dl.fbaipublicfiles.com/segment_anything/sam_vit_h_4b8939.pth
```

動作確認のためデモを実行．

cd %HOMEPATH%\segment-anything
python -m pip install -U timm
python scripts/amg.py --checkpoint ./pretrained_checkpoint/sam_vit_l_0b3195.pth --model-type vit_l --input ./notebooks/images --output ./results

実行の結果，エラーメッセージが出ないことを確認

元画像の画像ファイルは，notebooks\images にある

結果の画像ファイルは，results にある

ゼロショットのセグメンテーションの実行（Segment Anything Model，Python，PyTorch を使用）（Windows 上）

画像全体からセグメンテーション・マスクを生成（Segment Anythingを使用）（Windows 上）

実行時にファイルを選択する．ファイルは複数選択可能である．

Windows で，コマンドプロンプトを実行

エディタを起動

cd %HOMEPATH%\segment-anything
notepad segment.py

エディタで，次のプログラムを保存

このプログラムは，公式の Sement Anything のページで公開されていたものを参考に作成．

from segment_anything import SamAutomaticMaskGenerator, sam_model_registry
import numpy as np
import torch
import matplotlib.pyplot as plt
import cv2
import tkinter as tk
from tkinter import filedialog

def main():
    sam_checkpoint = "./pretrained_checkpoint/sam_vit_h_4b8939.pth"
    model_type = "vit_h"  # "vit_l/vit_b/vit_h"
    device = "cuda"

    sam = sam_model_registry[model_type](checkpoint=sam_checkpoint)
    sam.to(device=device)
    mask_generator = SamAutomaticMaskGenerator(sam)

    root = tk.Tk()
    root.withdraw()
    fpaths = filedialog.askopenfilenames()

    def show_anns(anns):
        if len(anns) == 0:
            return
        sorted_anns = sorted(anns, key=(lambda x: x['area']), reverse=True)
        ax = plt.gca()
        ax.set_autoscale_on(False)

        img = np.ones((sorted_anns[0]['segmentation'].shape[0], sorted_anns[0]['segmentation'].shape[1], 4))
        img[:, :, 3] = 0
        for ann in sorted_anns:
            m = ann['segmentation']
            color_mask = np.concatenate([np.random.random(3), [0.35]])
            img[m] = color_mask
        ax.imshow(img)

    i = 0
    for fpath in root.tk.splitlist(fpaths):
        print("file name: ", fpath)
        bgr = cv2.imread(fpath)
        rgb = cv2.cvtColor(bgr, cv2.COLOR_BGR2RGB)
        plt.figure(figsize=(20, 20))
        plt.imshow(rgb)
        plt.axis('off')
        plt.show()

        masks = mask_generator.generate(rgb)
        plt.figure(figsize=(20, 20))
        plt.imshow(rgb)
        show_anns(masks)
        plt.axis('off')
        plt.savefig(str(i) + ".png", bbox_inches='tight', pad_inches=0, transparent=True)
        print(str(i) + ".png" + " saved.")
        plt.show()
        plt.close()  # グラフを閉じる
        i = i + 1

if __name__ == "__main__":
    main()

Python プログラムの実行
Python プログラムの実行
- Windows では python （Python ランチャーは py）
- Ubuntu では python3
Python 開発環境（Jupyter Qt Console, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, Spyder, PyCharm, PyScripterなど）も便利である．
Python のまとめ: 別ページ »にまとめ
プログラムを segment.pyのようなファイル名で保存したので，「python segment.py」のようなコマンドで行う．
```
python segment.py
```
ファイル選択画面が出るので，画像ファイルを選択する．画像ファイルは複数選択可能である．
元画像が表示される．
確認したら，右上の「x」をクリックする．右上の「x」をクリックするまでは，プログラム実行は中断している．
しばらく待つと，セグメンテーション・マスクが表示される．
確認したら，右上の「x」をクリックする．右上の「x」をクリックするまでは，プログラム実行は中断している．
セグメンテーション・マスクは，画像ファイルにも保存される．
ファイル名は，0.png, 1.png, 2.png, ... のようになっている．

パソコンのビデオカメラ

パソコンのビデオカメラで実行する．

Windows で，コマンドプロンプトを実行

エディタを起動

cd %HOMEPATH%\segment-anything
notepad vidcam.py

エディタで，次のプログラムを保存

このプログラムは，公式の Sement Anything のページで公開されていたものを参考に作成．

学習済みモデルは最も軽量なものを選んでいる．

from segment_anything import SamAutomaticMaskGenerator, sam_model_registry
import numpy as np
import torch
import matplotlib.pyplot as plt
import cv2

def main():
    sam_checkpoint = "./pretrained_checkpoint/sam_vit_b_01ec64.pth"
    model_type = "vit_b"  # "vit_l/vit_b/vit_h"
    device = "cuda"

    sam = sam_model_registry[model_type](checkpoint=sam_checkpoint)
    sam.to(device=device)
    mask_generator = SamAutomaticMaskGenerator(sam)

    def get_anns(anns):
        if len(anns) == 0:
            return
        sorted_anns = sorted(anns, key=(lambda x: x['area']), reverse=True)
        ax = plt.gca()
        ax.set_autoscale_on(False)

        img = np.ones((sorted_anns[0]['segmentation'].shape[0], sorted_anns[0]['segmentation'].shape[1], 4))
        img[:, :, 3] = 0
        for ann in sorted_anns:
            m = ann['segmentation']
            color_mask = np.concatenate([np.random.random(3), [0.35]])
            img[m] = color_mask
        return img

    print("Prease press q to exit")
    cap = cv2.VideoCapture(0)
    while (cap.isOpened()):
        r, f = cap.read()
        if (r == False):
            print("Video Capture Error")
            break
        else:
            cv2.imshow('Video Capture', f)
            if cv2.waitKey(1) & 0xFF == ord('q'):
                break
            masks = mask_generator.generate(f)
            img = get_anns(masks)
            cv2.imshow('SAM Result', img)
            if cv2.waitKey(1) & 0xFF == ord('q'):
                break

    cap.release()
    cv2.destroyAllWindows()

if __name__ == "__main__":
    main()

Python プログラムの実行
Python プログラムの実行
- Windows では python （Python ランチャーは py）
- Ubuntu では python3
Python 開発環境（Jupyter Qt Console, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, Spyder, PyCharm, PyScripterなど）も便利である．
Python のまとめ: 別ページ »にまとめ
プログラムを vidcam.pyのようなファイル名で保存したので，「python vidcam.py」のようなコマンドで行う．
```
python vidcam.py
```
ビデオカメラの画像の画面と処理結果の画像の画面が出るので確認
q キーで終了する．

本サイトは金子邦彦研究室のWebページである．

資料等の公開では，原則，「クリエイティブコモンズ BY NC SA」として公開するようにしている． PDFファイル，パワーポイントファイルなどには，「クリエイティブコモンズ BY NC SA」を明記するとともに，ロゴを記載するようにしている（作業が間に合っていない分もあるのでご容赦ください）．

公開している資料をご利用になる場合の，再配布の条件，剽窃の防止などについて，別ページ »で説明再配布や資料改変の際には，そのページをご確認ください．

サイトマップは，サイトマップのページをご覧下さい．本サイト内の検索は，サイト内検索のページをご利用下さい．

問い合わせ先：金子邦彦（かねこくにひこ） [image]