Artikel ini memperkenalkan model EdgeSAM dan optimalisasi kinerjanya, serta peluncuran model EfficientSAM. EdgeSAM mencapai peningkatan kinerja yang signifikan pada iPhone 14, mencapai 30 frame per detik, yang 40 kali lebih cepat dibandingkan model aslinya. Model ini secara efektif meningkatkan akurasi model dan memecahkan masalah bias kumpulan data dengan mengadopsi arsitektur CNN murni dan memperkenalkan teknologi seperti encoder petunjuk, decoder mask, dan modul ringan. Selain itu, penerapan strategi pengambilan sampel cepat dinamis semakin meningkatkan efisiensi dan akurasi model. Peluncuran EfficientSAM memberikan pengalaman berharga untuk penelitian model segmentasi ringan.
Model EdgeSAM mencapai peningkatan kinerja 40x pada 30 frame per detik di iPhone 14. Dengan mengoptimalkan encoder gambar SAM berbasis ViT ke dalam arsitektur CNN murni, ini disesuaikan dengan perangkat edge. Perkenalkan encoder petunjuk, decoder mask, dan modul ringan untuk meningkatkan akurasi model dan mengatasi bias set data. Strategi pengambilan sampel isyarat dinamis digunakan untuk memandu model siswa agar fokus pada bagian tertentu. Pada saat yang sama, EfficientSAM dirilis untuk mengurangi kompleksitas komputasi model SAM dan memberikan pengalaman berharga untuk model segmentasi ringan.Kemunculan EdgeSAM dan EfficientSAM menandai kemajuan signifikan dalam penerapan model segmentasi ringan pada perangkat seluler, memberikan kemungkinan baru untuk penerapan AI di masa depan dalam bidang komputasi edge dan menyediakan alat yang lebih efektif bagi pengembang dan Belajar dari pengalaman.