实例与语义分割 / 17

SAM

可提示通用分割基础模型

SAM由图像编码器、提示编码器和轻量掩码解码器组成，可通过点、框或粗掩码分割未预定义类别目标，特别适合辅助数据标注。代表性参数规模为约 91M/308M/636M（ViT-B/L/H），性能定位是开放对象泛化强，适合交互标注而非固定类别判定。适合交互式辅助标注、通用对象抠图和快速生成候选掩码。

PARAMETERS

参考参数与输入输出

代表性参数量约 91M/308M/636M（ViT-B/L/H）

输入图像加点、框或已有掩码提示

输出一个或多个候选目标掩码及质量分数

算力与部署ViT-B 起步需 GPU；ViT-H 显存和延迟较高

参数量是公开代表性配置或合理范围，不同骨干、类别数、输入尺寸和实现版本会改变结果；详细实施时以选定配置导出的模型信息为准。

PERFORMANCE

开放对象泛化强，适合交互标注而非固定类别判定。泛化和交互能力远强于 U-Net，但固定场景速度与类别稳定性不如专用模型。网站不使用脱离条件的单一 FPS 或 mAP 数字作为承诺，因为数据集、输入尺寸、精度模式、批量大小、GPU 型号和后处理口径都会显著改变测试结果。

CHARACTERISTICS & USE CASES

MODEL COMPARISON

模型	参考参数规模	速度	精度定位	部署	优先场景
Mask R-CNN	约 44M（R50-FPN 代表配置）	低	很高	成熟	零件实例轮廓
U-Net	约 7M–31M（依通道数与骨干而变）	高	中高	成熟	连续缺陷区域
DeepLabV3+	约 26M–60M（取决于骨干）	中	很高	较成熟	大幅面表面分割
SAM当前	约 91M/308M/636M（ViT-B/L/H）	中低	泛化高	较成熟	交互式辅助标注
SAM 2	约 38.9M–224.4M（tiny 至 large）	中高	泛化高	较成熟	视频数据标注
YOLO Seg	约 3M–72M（随 YOLO 版本与尺度变化）	很高	高	成熟	在线轮廓检测

表中“速度、精度、部署”为同类别内的定性定位，用于缩小候选范围，不替代同一测试集、同一硬件和同一精度模式下的实测。

SELECTION SUMMARY

SAM适合优先考虑交互式辅助标注、通用对象抠图、快速生成候选掩码的项目。它的主要价值是支持点、框和掩码多种提示；需要重点评估不是面向固定缺陷类别训练的判定模型、细小工业缺陷和领域图像可能需要适配或后处理。

建议先用企业真实数据建立基线，再统一测试准确率、召回率、误检率、单张延迟、峰值显存和导出兼容性，最后确定模型规模与部署方式。