10分钟上手Grounded-SAM：文本驱动图像分割入门指南

10分钟上手Grounded-SAM：文本驱动图像分割入门指南

【免费下载链接】Grounded-Segment-AnythingGrounded SAM: Marrying Grounding DINO with Segment Anything & Stable Diffusion & Recognize Anything - Automatically Detect , Segment and Generate Anything项目地址: https://gitcode.com/gh_mirrors/gr/Grounded-Segment-Anything

手工标注一批图片，动辄折腾好几天。Grounded-SAM把目标检测和图像分割拼成一条流水线，你只需要输入一句文字，比如"horse"，它就会自动框出图中的马并生成对应的掩码。想给上千张图批量打标签时，这套开源图像分割工具能省掉大部分重复劳动。

⚙️ 它是怎么工作的

Grounded-SAM本身不训练新模型，而是把两个开源模型串起来：先由检测模型Grounding DINO读懂你的文本提示，找出目标的位置；再把框喂给分割模型Segment Anything，生成像素级掩码。理解成"先找位置、再描轮廓"的两步接力就够了。

🚀 从0到1跑起来

第一步，拿到代码并装依赖：

git clone https://gitcode.com/gh_mirrors/gr/Grounded-Segment-Anything && cd Grounded-Segment-Anything && pip install -r requirements.txt

第二步，把两个权重文件放到项目根目录：groundingdino_swint_ogc.pth和sam_vit_h_4b8939.pth。下载命令直接照抄根目录 README.md 里的 Grounded-SAM 一节，也可以直接用仓库自带的 Dockerfile 跳过本地编译。

第三步，执行入口脚本：

python grounded_sam_simple_demo.py

grounded_sam_simple_demo.py 把输入图、文本提示、权重路径都写死成了默认值，什么都不用改。跑完后你会在当前目录得到 grounded_sam_annotated_image.jpg 这样的结果图，上面画着目标框和彩色掩码。

🎯 用一个真实场景走一遍

仓库里还留了原版的 grounded_sam_demo.py，参数更完整，拿它演示最直观：指定 assets/demo7.jpg 这张草原照片作输入，文本提示写Horse. Clouds. Grasses. Sky. Hill，跑完输出目录里就是这张结果图——马匹被逐个框出，框内填上对应掩码，云和草地也一并标了出来。

🕳️ 容易踩的坑

GroundingDINO 安装卡住：它要现场编译 CUDA 算子，README 里给的命令必须带--no-build-isolation，编译报 CUDA 版本错误时优先用 Docker 方式绕过去。

权重下载慢：两个权重文件各约几个 GB，网络慢可以先从 Hugging Face 或网盘渠道拉到根目录，文件名和路径保持一致就行。

没有 GPU：原版 demo 的--device参数可以设为cpu，能跑但明显慢；建议先用 CUDA 环境体验，再考虑降级。

📌 下一步

• 想让标注更省事：看 automatic_label_demo.py，它接上 BLIP 自动读图打标签，不用手写提示词；
• 想体验分割后再生成：grounded_sam_inpainting_demo.py 展示了用 Stable Diffusion 替换目标物体的完整链路；
• 想换个操作方式：运行python gradio_app.py，用 gradio_app.py 打开网页版界面，检测、分割、修复在页面上直接点。

【免费下载链接】Grounded-Segment-AnythingGrounded SAM: Marrying Grounding DINO with Segment Anything & Stable Diffusion & Recognize Anything - Automatically Detect , Segment and Generate Anything项目地址: https://gitcode.com/gh_mirrors/gr/Grounded-Segment-Anything