Update https://docs.ultralytics.com/models (#6513)

Signed-off-by: Glenn Jocher <glenn.jocher@ultralytics.com> Co-authored-by: pre-commit-ci[bot] <66853113+pre-commit-ci[bot]@users.noreply.github.com>
2023-11-22 20:45:46 +01:00 · 2023-11-22 20:45:46 +01:00 · 16a13a1ce0
commit 16a13a1ce0
parent 0c4e97443b
178 changed files with 14224 additions and 561 deletions
--- a/docs/fr/models/mobile-sam.md
+++ b/docs/fr/models/mobile-sam.md
@ -0,0 +1,116 @@
+---
+comments: true
+description: En savoir plus sur MobileSAM, son implémentation, la comparaison avec SAM d'origine, et comment le télécharger et le tester dans le cadre de l'environnement Ultralytics. Améliorez vos applications mobiles dès aujourd'hui.
+keywords: MobileSAM, Ultralytics, SAM, applications mobiles, Arxiv, GPU, API, encodeur d'image, décodeur de masque, téléchargement de modèle, méthode de test
+---
+
+![Logo MobileSAM](https://github.com/ChaoningZhang/MobileSAM/blob/master/assets/logo2.png?raw=true)
+
+# Segmenter N'importe Quoi sur Mobile (MobileSAM)
+
+Le document MobileSAM est maintenant disponible sur [arXiv](https://arxiv.org/pdf/2306.14289.pdf).
+
+Une démonstration de MobileSAM exécutée sur un processeur CPU est accessible via ce [lien de démonstration](https://huggingface.co/spaces/dhkim2810/MobileSAM). Les performances sur un CPU Mac i5 prennent environ 3 secondes. Sur la démo de Hugging Face, l'interface ainsi que les CPU moins performants contribuent à une réponse plus lente, mais cela continue de fonctionner efficacement.
+
+MobileSAM est implémenté dans divers projets, notamment [Grounding-SAM](https://github.com/IDEA-Research/Grounded-Segment-Anything), [AnyLabeling](https://github.com/vietanhdev/anylabeling), et [Segment Anything en 3D](https://github.com/Jumpat/SegmentAnythingin3D).
+
+MobileSAM est entraîné sur un seul GPU avec un ensemble de données de 100 000 images (1% des images originales) en moins d'une journée. Le code de cet entraînement sera disponible à l'avenir.
+
+## Modèles Disponibles, Tâches Prises en Charge et Modes d'Utilisation
+
+Ce tableau présente les modèles disponibles avec leurs poids pré-entraînés spécifiques, les tâches qu'ils prennent en charge, et leur compatibilité avec les différents modes d'utilisation tels que [Inférence](../modes/predict.md), [Validation](../modes/val.md), [Entraînement](../modes/train.md) et [Export](../modes/export.md), indiqués par les emojis ✅ pour les modes pris en charge et ❌ pour les modes non pris en charge.
+
+| Type de Modèle | Poids Pré-entraînés | Tâches Prises en Charge                         | Inférence | Validation | Entraînement | Export |
+|----------------|---------------------|-------------------------------------------------|-----------|------------|--------------|--------|
+| MobileSAM      | `mobile_sam.pt`     | [Segmentation d'Instances](../tasks/segment.md) | ✅         | ❌          | ❌            | ✅      |
+
+## Passage de SAM à MobileSAM
+
+Étant donné que MobileSAM conserve le même pipeline que SAM d'origine, nous avons incorporé le pré-traitement, le post-traitement et toutes les autres interfaces de l'original. Par conséquent, ceux qui utilisent actuellement SAM d'origine peuvent passer à MobileSAM avec un effort minimal.
+
+MobileSAM a des performances comparables à celles de SAM d'origine et conserve le même pipeline à l'exception d'un changement dans l'encodeur d'image. Plus précisément, nous remplaçons l'encodeur d'image lourd original ViT-H (632M) par un encodeur Tiny-ViT plus petit (5M). Sur un seul GPU, MobileSAM fonctionne à environ 12 ms par image : 8 ms sur l'encodeur d'image et 4 ms sur le décodeur de masque.
+
+Le tableau suivant présente une comparaison des encodeurs d'image basés sur ViT :
+
+| Encodeur d'Image | SAM d'Origine | MobileSAM |
+|------------------|---------------|-----------|
+| Paramètres       | 611M          | 5M        |
+| Vitesse          | 452 ms        | 8 ms      |
+
+SAM d'origine et MobileSAM utilisent tous deux le même décodeur de masque basé sur une instruction :
+
+| Décodeur de Masque | SAM d'Origine | MobileSAM |
+|--------------------|---------------|-----------|
+| Paramètres         | 3.876M        | 3.876M    |
+| Vitesse            | 4 ms          | 4 ms      |
+
+Voici une comparaison du pipeline complet :
+
+| Pipeline Complet (Enc+Dec) | SAM d'Origine | MobileSAM |
+|----------------------------|---------------|-----------|
+| Paramètres                 | 615M          | 9.66M     |
+| Vitesse                    | 456 ms        | 12 ms     |
+
+Les performances de MobileSAM et de SAM d'origine sont démontrées en utilisant à la fois un point et une boîte comme instructions.
+
+![Image avec un Point comme Instruction](https://raw.githubusercontent.com/ChaoningZhang/MobileSAM/master/assets/mask_box.jpg?raw=true)
+
+![Image avec une Boîte comme Instruction](https://raw.githubusercontent.com/ChaoningZhang/MobileSAM/master/assets/mask_box.jpg?raw=true)
+
+Avec ses performances supérieures, MobileSAM est environ 5 fois plus petit et 7 fois plus rapide que FastSAM actuel. Plus de détails sont disponibles sur la [page du projet MobileSAM](https://github.com/ChaoningZhang/MobileSAM).
+
+## Test de MobileSAM dans Ultralytics
+
+Tout comme SAM d'origine, nous proposons une méthode de test simple dans Ultralytics, comprenant des modes pour les instructions Point et Boîte.
+
+### Téléchargement du modèle
+
+Vous pouvez télécharger le modèle [ici](https://github.com/ChaoningZhang/MobileSAM/blob/master/weights/mobile_sam.pt).
+
+### Instruction Point
+
+!!! Example "Exemple"
+
+    === "Python"
+        ```python
+        from ultralytics import SAM
+
+        # Chargement du modèle
+        model = SAM('mobile_sam.pt')
+
+        # Prédiction d'un segment à partir d'une instruction Point
+        model.predict('ultralytics/assets/zidane.jpg', points=[900, 370], labels=[1])
+        ```
+
+### Instruction Boîte
+
+!!! Example "Exemple"
+
+    === "Python"
+        ```python
+        from ultralytics import SAM
+
+        # Chargement du modèle
+        model = SAM('mobile_sam.pt')
+
+        # Prédiction d'un segment à partir d'une instruction Boîte
+        model.predict('ultralytics/assets/zidane.jpg', bboxes=[439, 437, 524, 709])
+        ```
+
+Nous avons mis en œuvre `MobileSAM` et `SAM` en utilisant la même API. Pour plus d'informations sur l'utilisation, veuillez consulter la [page SAM](sam.md).
+
+## Citations et Remerciements
+
+Si vous trouvez MobileSAM utile dans vos travaux de recherche ou de développement, veuillez envisager de citer notre document :
+
+!!! Quote ""
+
+    === "BibTeX"
+
+        ```bibtex
+        @article{mobile_sam,
+          title={Faster Segment Anything: Towards Lightweight SAM for Mobile Applications},
+          author={Zhang, Chaoning and Han, Dongshen and Qiao, Yu and Kim, Jung Uk and Bae, Sung Ho and Lee, Seungkyu and Hong, Choong Seon},
+          journal={arXiv preprint arXiv:2306.14289},
+          year={2023}
+        }