ISAT_with_segment_anything

点几下就自动抠图,图像分割标注提速数倍

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 计算机视觉 🍴 复刻 213 🐛 待处理 19 👀 关注 13
GitHub ↗
GitHub 星标 ★ 2201
维护状态 较活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费,需自行部署

项目预览

ISAT_with_segment_anything 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类计算机视觉
开发团队yatengLG
定价模式🏷️完全免费
价格说明开源免费,需自行部署
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型annotation-tool,computer-vision,labeling,labeling-tool,sam,sam2,sam3,segment-anything,segment-anything-2,text-prompt,video-segmentation
GitHub 星标★ 2201
上线时间2023-04-18 00:00:00
代码更新2026-10-26
仓库体积276.6 MB
本站数据更新2026-11-03
维护状态较活跃
收录时间2026-09-17
浏览次数1

项目介绍

ISAT_with_segment_anything 是一款基于 Segment Anything 系列模型的交互式半自动图像标注工具,用 Python 编写。它要解决的是传统图像标注效率低、纯手工勾画掩码耗时的问题:用户只需在目标上点几下或画个框,SAM 系列模型就能自动生成精准的分割掩码,大幅减少标注工作量。核心能力包括集成 SAM、SAM2、SAM3、sam-hq、MobileSAM、EdgeSAM 等多种分割模型,可按精度或速度需求灵活切换;支持文本提示、视频标注等扩展场景;提供交互式标注界面,适合构建分割数据集。相比纯手工工具,它把标注从逐像素描边变成提示式生成,显著提速,同时保持掩码质量,是计算机视觉数据准备阶段较实用的开源方案。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-09-17 · 当前星标 ★ 2201

使用教程

难度:入门 约 10 分钟 部署方式:本地安装 4 步

环境要求

  • Python 环境(README 推荐使用 conda 创建 python=3.8 的环境)
  • 已安装 pip,可访问 PyPI
  • 可选:安装 conda 用于创建独立环境
  • 需要网络下载 isat-sam 包

安装与启动步骤

  1. 1创建 conda 环境

    README 推荐(可选)用 conda 创建名为 isat_env 的 Python 3.8 环境,便于隔离依赖,避免与系统环境冲突。

    conda create -n isat_env python=3.8
  2. 2激活环境

    激活刚创建的 isat_env 环境,后续安装和运行都在该环境内进行;若跳过 conda 可忽略此步。

    conda activate isat_env
  3. 3安装 isat-sam

    通过 pip 从 PyPI 安装 isat-sam 包,README 未给出其他依赖或额外安装参数,直接执行即可。

    pip install isat-sam
  4. 4启动标注工具

    安装完成后执行 isat-sam 命令即可启动交互式标注界面,README 未说明端口或额外启动参数。

    isat-sam

如何确认成功

执行 isat-sam 后若成功弹出/启动交互式标注界面且无报错,即表示安装并运行成功。

常见问题

Q:必须用 conda 创建环境吗?

A:README 标注为 recommended(推荐)且 optional(可选),直接用系统 Python 执行 pip install isat-sam 也可以,但推荐隔离环境避免依赖冲突。

Q:Python 版本有要求吗?

A:README 示例中创建环境用的是 python=3.8,建议按此版本创建环境以保证兼容性。

Q:安装后命令找不到怎么办?

A:确认已激活安装所在的环境(如 conda activate isat_env),并检查该环境的 Scripts/bin 目录是否在 PATH 中。

Q:如何下载分割模型权重?

A:README 节选未包含模型权重下载说明,请参考官方文档 isat-sam.readthedocs.io 获取各 SAM 系列模型的准备方式。

注意事项

  • README 明确提供了中英文档链接,安装与模型配置的更多细节请查阅 isat-sam.readthedocs.io。
  • 本项目集成 SAM、SAM2、SAM3、sam-hq、MobileSAM、EdgeSAM 等多种模型,具体模型下载与切换方式不在本节选中。
  • conda 环境创建为可选项,不想用 conda 的用户可直接 pip 安装。

核心亮点

  • 集成 SAM/SAM2/SAM3/sam-hq/MobileSAM/EdgeSAM 多种模型,可按精度与速度需求切换
  • 交互式半自动标注,点选或框选即可生成掩码,显著降低逐像素描边工作量
  • 支持文本提示与视频标注等扩展能力,覆盖更丰富的分割数据场景

不足之处

  • 依赖大模型推理,对显卡或算力有一定要求,低配环境体验受限
  • 作为成长中项目,文档完善度与社区生态仍待观察

适用场景

  • 构建图像分割训练数据集时批量生成高质量掩码
  • 视频目标分割标注,逐帧复用提示提升效率
  • 需要快速试跑不同 SAM 变体、对比分割效果的算法验证

替代项目

labelme、CVAT、X-AnyLabeling

上一篇:emgucv

下一篇:ml-cvnets

同类项目推荐

VLM-Grounder 开源

零样本 3D 定位,用自然语言直接找到目标物体

[CoRL 2024] VLM-Grounder: A VLM Agent for Zero-Shot 3D Visual Grounding

★ 132 2026-08-09
CV_Deployment_skill 开源

视觉模型部署工程模板,照着配就能跑起来

Computer vision deployment resources and engineering workflow configuration

★ 613 2026-10-26
YoloSharp 开源

C# 里直接跑 YOLO11,检测分割分类一把梭

A high performance real-time object detection solution using YOLO11 ⚡️ powered by ···

★ 568 2026-10-19
Awesome-MLLM-Segmentation 开源

一页看懂 MLLM 做图像视频分割的全部代表论文

A curated list of publications on image and video segmentation leveraging Multimodal···

★ 241 2026-09-15
MagicBokeh 开源

一键生成高倍变焦电影级散景,告别生硬抠图

[CVPR26 Oral & Best Paper Finalist] MagicBokeh is the first unified method specifica···

★ 60 2026-08-09
LISA 开源

让大模型看懂指令,直接分割出你想要的物体

Project Page for "LISA: Reasoning Segmentation via Large Language Model"

★ 2692 2026-08-09
SteerX 开源

免相机标定,一键生成可操控的 3D/4D 动态场景

[ICCV 2025] Official pytorch implementation of "SteerX: Creating Any Camera-Free 3D ···

★ 52 2026-08-09
supervisely 开源

用 Python 把 CV 标注和训练流程自动化跑起来

Supervisely SDK for Python - convenient way to automate, customize and extend Superv···

★ 546 2026-09-18
vietnamese-ocr-toolbox 开源

越南语证件发票图片,一键转成可编辑文字

A toolbox for Vietnamese Optical Character Recognition.

★ 143 2026-09-19