FastSAM: La Revolución Segment Anything 50x Más Rápida

Rendimiento Relámpago con Resultados de Calidad SAM

FastSAM de CASIA-LMC-Lab redefine la segmentación de imágenes. Entrenado con solo el 2% del dataset SA-1B, este modelo basado en CNN iguala el rendimiento de Segment Anything (SAM) de Meta mientras se ejecuta 50x más rápido.

Estadísticas Clave: - 68M parámetros (vs 0.6G de SAM-H) - Inferencia de 40ms independientemente del número de prompts - 2608MB de memoria GPU (vs 7060MB de SAM-H)

🚀 4 Modos de Prompt Potentes

# Modo everything - segmenta todo
python Inference.py --model_path ./weights/FastSAM.pt --img_path ./images/dogs.jpg

# Prompt de texto
python Inference.py --img_path ./images/dogs.jpg --text_prompt "the yellow dog"

# Prompt de caja [x,y,w,h]
python Inference.py --box_prompt "[[570,200,230,400]]"

# Prompt de puntos
python Inference.py --point_prompt "[[520,360],[620,300]]" --point_label "[1,0]"

🛠️ Inicio Rápido (5 Minutos)

git clone https://github.com/CASIA-LMC-Lab/FastSAM.git
cd FastSAM
conda create -n FastSAM python=3.9
conda activate FastSAM
pip install -r requirements.txt
# Descargar checkpoint FastSAM.pt
python Inference.py --model_path ./weights/FastSAM.pt --img_path ./images/dogs.jpg

🌐 Demos en Vivo Disponibles

• Espacio HuggingFace - Modo Everything + Puntos
• Demo Replicate - Todos los modos soportados
• Interfaz Gradio - Interfaz web local
• Notebook Colab - Pruebas sin configuración

📊 Resultados de Benchmark

🔬 Aplicaciones en el Mundo Real

1. Detección de Bordes - BSDS500: ODS 0.750 (vs SAM 0.768)
2. Propuestas de Objetos - COCO AR@1000: 63.7 (vs SAM-H 67.7)
3. Segmentación de Instancias - COCO AP: 0.379
4. Tareas Downstream: Detección de Anomalías, Detección de Objetos Salientes, Extracción de Edificios

🎯 ¿Por Qué Elegir FastSAM?

✅ Listo para Producción - Integración en YOLOv8 Model Hub
✅ Amigable para Desarrolladores - API de Python + demos web ✅ Eficiente en Hardware - Funciona en GPUs de consumo ✅ Extensible - Código de entrenamiento liberado ✅ Impulsado por la Comunidad - 8.3k estrellas, 26 colaboradores

Actualizaciones Recientes (Junio 2024)

• Mejoras en calidad de bordes fusionadas en Ultralytics YOLOv8
• Demo de HuggingFace actualizada
• Optimización TensorRT disponible
• Extensión Semantic FastSAM

FastSAM demuestra que no necesitas modelos ViT masivos para segmentación de vanguardia. Perfecto para aplicaciones en tiempo real donde la velocidad importa más.

Repositorio GitHub | Probar Demo Ahora →