license: apache-2.0 tags:

• image-segmentation
• segment-anything
• onnx
• onnxruntime library_name: onnxruntime

Segment Anything (SAM + MobileSAM) — ONNX 模型

Meta 的 Segment Anything Model (SAM) 和 MobileSAM 的 ONNX 导出版本，可直接使用 ONNX Runtime 进行 CPU/GPU 推理 — 运行时无需 PyTorch。

这些模型被 AnyLabeling 用于 AI 辅助图像标注，并由 samexporter 导出。

可用模型

每个 zip 文件包含两个 ONNX 文件：一个编码器（每张图像运行一次）和一个解码器（每个提示交互运行一次）。

提示类型

• 点 (+point / -point)：点击以包含/排除区域
• 矩形：在目标对象周围绘制边界框

配合 AnyLabeling 使用（推荐）

AnyLabeling 是一款桌面标注工具，内置模型管理器，可自动下载、缓存并运行这些模型 — 无需编写代码。

1. 安装：pip install anylabeling
2. 启动：anylabeling
3. 点击 Brain 按钮 → 从下拉菜单中选择一个 SAM 模型
4. 使用点或矩形提示来分割对象

使用 ONNX Runtime 编程调用

import urllib.request, zipfile, pathlib
# Download and extract
url = "https://huggingface.co/vietanhdev/segment-anything-onnx-models/resolve/main/sam_vit_b_01ec64.zip"
urllib.request.urlretrieve(url, "sam_vit_b_01ec64.zip")
with zipfile.ZipFile("sam_vit_b_01ec64.zip") as z:
    z.extractall("sam_vit_b_01ec64")

然后使用 samexporter 的推理模块：

pip install samexporter
python -m samexporter.inference \
    --encoder_model sam_vit_b_01ec64/sam_vit_b_encoder.onnx \
    --decoder_model sam_vit_b_01ec64/sam_vit_b_decoder.onnx \
    --image photo.jpg \
    --prompt prompt.json \
    --output result.png

从源码重新导出

使用 samexporter 重新导出或自定义模型：

pip install samexporter
# Export SAM ViT-H encoder + decoder
python -m samexporter.export_encoder \
    --checkpoint original_models/sam_vit_h_4b8939.pth \
    --output output_models/sam_vit_h_4b8939.encoder.onnx \
    --model-type vit_h --use-preprocess
python -m samexporter.export_decoder \
    --checkpoint original_models/sam_vit_h_4b8939.pth \
    --output output_models/sam_vit_h_4b8939.decoder.onnx \
    --model-type vit_h --return-single-mask
# Or convert all SAM variants at once:
bash convert_all_meta_sam.sh

相关仓库

许可证

ONNX 模型源自 Meta 的 SAM 和 MobileSAM，两者均在 Apache 2.0 许可证下发布。 导出代码属于 samexporter 的一部分，在 MIT 许可证下发布。