FastSAM-s.pt 22.7MB · 로컬 보관models/FastSAM-s.pt (노트북 폴더 기준)texts=, CLIP 유사도)로 원하는 객체만 고르는 흐름 익히기| 항목 | 값 |
|---|---|
| 베이스 모델 | FastSAM-s.pt (Ultralytics assets v8.4.0 릴리스에서 자동 다운로드) |
| 크기 · 변형 | small (파일 22.7MB). 파라미터 수 [미확인] |
| 리비전 | Ultralytics assets v8.4.0, Ultralytics 8.4.171 |
| 아키텍처 | C2f 기반 SegmentationModel, 클래스 1개(object) |
| 학습 방식 | 학습하지 않음. 사전학습 가중치로 추론만 |
| 프롬프트 · 에이전트 구성 | 텍스트 검색: model(img, texts="a photo of person", conf=0.5) (CLIP 텍스트 유사도, git+https://github.com/ultralytics/CLIP.git 필요) |
추론에 쓴 입력만 있고, 학습·평가 데이터셋은 없습니다.
| 항목 | 값 |
|---|---|
| 확보 방식 | 해당 없음 (개인 사진으로 추론만) |
| 출처 | 로컬 images/test_image.jpg (1280×720) |
| 직접 수집 내용 | 해당 없음 |
| 이용 조건 확인 | test_image.jpg의 출처·저작권은 [미확인] |
| 규모 | 예측 이미지 1장 |
| 분할 | 해당 없음 |
| 레이블·클래스 분포 | 클래스 1개(object). conf=0.7에서 29개, 텍스트 "a photo of person"·conf=0.5에서 1개 |
| 전처리 | 입력 384×640으로 자동 조정 |
| 개인정보·민감정보 처리 | test_image.jpg에 사람이 있음 (어린이 사진). 예측 이미지는 레포에 넣지 않음 |
학습을 하지 않았으므로 하이퍼파라미터·에폭·학습 시간은 해당 없음입니다.
| 항목 | 값 |
|---|---|
| 하이퍼파라미터 | 해당 없음 (추론 설정: 전체 분할 conf=0.7, 텍스트 검색 conf=0.5) |
| 에폭 / 스텝 | 해당 없음 |
| 학습 시간 | 해당 없음 |
| 하드웨어 | 추론에 사용: CPU (Intel Core Ultra 9 185H, torch 2.14.1+cpu) |
| 프레임워크 | Ultralytics 8.4.171, Python 3.11.15, PyTorch 2.14.1, CLIP (Ultralytics fork) |
| 시드 · 재현 방법 | 노트북 위에서부터 실행 (셀 14~23). 텍스트 검색 전 CLIP 설치 필요 |
정량 지표 없음. 정답 마스크로 평가하지 않고 예측 결과를 눈으로만 확인했습니다.
| 지표 | 값 | 테스트셋 | 비교 대상 (baseline 등) |
|---|---|---|---|
| 정량 지표 (mAP 등) | 측정 안 함 | 해당 없음 | 해당 없음 |
| 분할 개수 (참고) | 전체 29개 (conf=0.7) / 텍스트 검색 1개 (conf=0.5) |
test_image.jpg 1장 |
해당 없음 |
예측 결과 이미지는 저장하지 않았습니다(save 옵션 없이 실행).
같은 조건 측정 안 함. 노트북 출력에 있는 단발 호출(1회) 값만 있습니다. infer_ms에는 넣지 않았습니다.
| 장비 | 장비 이름 | 배치 크기 | 지연 시간 (참고: 단발 추론 시간) | 처리량 (샘플/초) | 메모리 사용 |
|---|---|---|---|---|---|
| CPU | Intel Core Ultra 9 185H | 1 | 전체 분할 106.1ms (384×640, 후처리 14.2ms) · 텍스트 검색 151.9ms (후처리 1602.6ms) | 측정 안 함 | 측정 안 함 |
| GPU | - | - | 측정 안 함 | 측정 안 함 | 측정 안 함 |
Speed: 줄을 옮김. 워밍업·반복 없음. 측정 코드 없음conf 값에 따라 객체 개수가 크게 달라짐 (conf=0.7에서 29개). 텍스트 검색은 CLIP 후처리 때문에 1.6초가 더 걸림object 하나) 객체를 모두 뽑고, texts=로 CLIP 유사도가 높은 객체만 남길 수 있다from ultralytics import FastSAM
model = FastSAM("models/FastSAM-s.pt")
results = model("images/test_image.jpg", conf=0.7) # 신뢰도 0.7 이상만
masks = results[0].masks
print(len(masks))image 1/1 ...\images\test_image.jpg: 384x640 29 objects, 106.1ms 29
# uv pip install git+https://github.com/ultralytics/CLIP.git
results = model("images/test_image.jpg", texts="a photo of person", conf=0.5)image 1/1 ...\images\test_image.jpg: 384x640 1 object, 151.9ms Speed: 3.1ms preprocess, 151.9ms inference, 1602.6ms postprocess per image at shape (1, 3, 384, 640)
비교할 수치(지표·추론 시간·학습 시간)가 2개 이상의 모델에 없어 그래프는 그리지 않았습니다.