31| 基础语义分割

语义分割介绍：

语义分割可以识别图像中的各个元素，并把他们从图像分割成独立的图片或者遮罩，从而进行局部重绘或替换等功能。

如何安装：

插件安装：

https://github.com/storyicon/comfyui_segment_anything

依赖安装：

pip install -r requirements.txt

模型安装：

bert-base-uncased模型

下载地址：

https://huggingface.co/google-bert/bert-base-uncased/tree/main

需要下载的文件：

config.json

model.safetensors

tokenizer_config.json

tokenizer.json

vocab.txt

安装路径：

models/bert-base-uncased

GroundingDino模型

下载：

插件链接里找到下图位置，点击model file的下载链接即可下载

安装路径：

models/grounding-dino

模型下载后需要修改对应的模型名字；

config file为配置文件，需要自己新建，名字与模型名字对应，分别是：

GroundingDINO_SwinT_OGC.cfg.py和GroundingDINO_SwinB.cfg.py

点击config file对应的download link，会显示一些参数，

将新建的GroundingDINO_SwinT_OGC.cfg.py和GroundingDINO_SwinB.cfg.py文件分别用记事本打开，然后将对应的download link里面的参数粘贴进去，并保存

SAM模型

安装路径：

models/sams

如何使用：

节点介绍：

G-Dino模型加载器

加载G-Dino模型，G-Dino模型可以通过文字描述去识别特征。

输出节点：

G-Dino模型：输出G-Dino模型

SAM模型加载器

SAM模型用于分割图像

输出节点：

SAM模型：输出SAM模型

G-DinoSAM语义分割

输入节点：

SAM模型：接受SAM模型；

G-Dino模型：接受G-Dino模型；

图像：接受图像输入；

参数：

提示词：输入描述，对图像进行分割，如输入face,则会检测图像中的脸部，并分割图像。

阈值：阈值越小，识别范围越大，阈值越大，识别范围越小，通常在0.3左右

输出：

图像：输出分割后的图像；

遮罩：

输出分割后的图像遮罩。

节点链接和输出效果：