zsylvester/segmenteverygrain

解决的问题

自动化检测和分割图像中的颗粒（或类颗粒物体），这对于分析地形学和沉积地质学中的颗粒大小和形状至关重要。解决了单独使用 Segment Anything Model (SAM) 的局限性，例如在「全部」模式下处理速度慢，以及产生重叠掩码或背景噪声的问题。

工作原理

该工具采用两步流程：首先，基于补丁的卷积神经网络（U-Net 风格）生成初始粗略分割。此第一步的结果用于为 SAM 2.1 生成精确提示，从而生成颗粒的高质量最终轮廓。系统还包含一个交互式编辑界面（GrainPlot），用于手动质量控制，允许用户删除、合并或添加颗粒，以及一个 grain_utils 模块，用于提取和聚类颗粒以进行分类。

适用人群

需要从照片图像中准确测量颗粒特征的地質學家、地形學家和研究人員。

主要亮点

• 混合机器学习方法：结合 U-Net 实现快速提示生成，结合 SAM 2.1 实现高精度分割。
• 交互式质量控制：提供专用界面，通过鼠标点击和键盘快捷键添加、删除或合并颗粒。
• 可微调：可在新图像类型上实际微调基础 U-Net 模型，以提高检测准确性。
• 分析工具：内置工具用于裁剪单个颗粒，使用预训练 CNN（VGG16、ResNet50、InceptionV3）提取特征，并使用 K-means 或 DBSCAN 进行聚类。