SAM 语义分割标注工具

基于 Segment Anything Model (SAM) 的专业级语义分割标注平台，支持多类别、多种交互方式，适合科研与工业数据标注场景。

界面预览

典型标注界面如下图所示：

功能亮点

• 🖱️ 点交互标注：支持正点/负点交互，快速获得高质量分割
• 🟦 多框标注：支持同时添加多个框，适合批量目标分割
• 🏷️ 多类别管理：自定义类别名称与颜色，类别切换便捷
• 🎨 实时可视化：分割结果实时预览，支持彩色/叠加/语义掩码多种视图
• 💾 多格式导出：一键导出语义掩码、彩色掩码、实例掩码、叠加图及元数据
• 🧩 现代化界面：响应式布局，专业美观，操作流畅
• 📝 标注历史管理：支持已完成标注的查看与删除

快速开始

1. 环境准备

• Python 3.8+
• PyTorch 1.7+（建议CUDA环境）
• 下载 SAM权重文件（如 sam_vit_h_4b8939.pth），放在项目根目录

2. 安装依赖

pip install -r requirements.txt

3. 启动服务

python app.py

或使用脚本：

./start.sh

4. 打开浏览器访问

http://localhost:5000

使用说明

标注流程

1. 上传图像：点击左侧“图像上传”选择图片
2. 添加类别：输入类别名称、选择颜色，点击“添加”
3. 选择工具：点标注（正点/负点）或框选
4. 进行标注：在图像上点击添加点或绘制多个框
5. 生成蒙版：点击“生成蒙版”按钮
6. 保存结果：点击“保存结果”导出所有分割结果

工具说明

• 正点(+)：绿色，表示应包含的区域
• 负点(-)：红色，表示应排除的区域
• 框选：可添加多个框，适合批量目标分割
• 清除点/框/蒙版：分别清除当前的点、框、蒙版
• 重置所有：清空所有标注和结果

结果文件说明

保存后，results/ 目录下会生成：

• semantic_mask.png：灰度语义掩码（像素值为类别ID）
• colored_mask.png：彩色语义掩码
• overlay.png：原图与分割结果叠加图
• instance_{类别ID}.png：每个类别的单独掩码
• metadata.json：标注元数据（类别、点、框等信息）

高级特性

• 多类别标注：支持任意数量类别，颜色自定义
• 多框支持：可同时添加多个框，自动合并分割结果
• 实时预览：右侧面板实时显示所有类别的分割叠加效果
• 标注管理：可删除已完成的类别分割结果

常见问题

• 模型加载慢：首次加载SAM模型较慢，建议使用GPU
• 浏览器兼容性：建议使用最新版 Chrome/Edge/Firefox
• 依赖问题：如遇依赖问题，建议新建虚拟环境

目录结构

sam-backend/
├── app.py                # Flask后端主程序
├── templates/
│   └── index.html        # 前端主页面
├── uploads/              # 上传图片目录
├── results/              # 标注结果输出目录
├── requirements.txt      # Python依赖
├── README.md             # 项目说明
└── sam_vit_h_4b8939.pth  # SAM模型权重（需手动下载）

致谢

• Meta AI Segment Anything
• Bootstrap 5
• Font Awesome

---

如有建议或问题，欢迎提交 Issue 或 PR！