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/ru/models/mobile-sam.md
+++ b/docs/ru/models/mobile-sam.md
@ -0,0 +1,116 @@
+---
+comments: true
+description: Узнайте больше о MobileSAM, его реализации, сравнении с оригинальным SAM и о том, как его загрузить и протестировать в фреймворке Ultralytics. Улучшите свои мобильные приложения уже сегодня.
+keywords: MobileSAM, Ultralytics, SAM, мобильные приложения, Arxiv, GPU, API, кодировщик изображений, декодер масок, загрузка модели, метод тестирования
+---
+
+![Логотип MobileSAM](https://github.com/ChaoningZhang/MobileSAM/blob/master/assets/logo2.png?raw=true)
+
+# Mobile Segment Anything (MobileSAM)
+
+Теперь доступна статья MobileSAM в [архиве arXiv](https://arxiv.org/pdf/2306.14289.pdf).
+
+Демонстрацию работы MobileSAM на CPU можно найти по этой [ссылке](https://huggingface.co/spaces/dhkim2810/MobileSAM). Время выполнения на Mac i5 CPU составляет примерно 3 секунды. В демонстрационной версии Hugging Face интерфейс и менее производительные процессоры CPU могут вызывать замедление работы, но она продолжает работать эффективно.
+
+MobileSAM реализован в различных проектах, включая [Grounding-SAM](https://github.com/IDEA-Research/Grounded-Segment-Anything), [AnyLabeling](https://github.com/vietanhdev/anylabeling) и [Segment Anything in 3D](https://github.com/Jumpat/SegmentAnythingin3D).
+
+MobileSAM обучается на одном графическом процессоре (GPU) со 100 тысячами данных (1% от оригинальных изображений) за менее чем день. Код для обучения будет доступен в будущем.
+
+## Доступные модели, поддерживаемые задачи и режимы работы
+
+В таблице представлены доступные модели с соответствующими предварительно обученными весами, поддерживаемыми задачами и их совместимостью с различными режимами работы, такими как [вывод](../modes/predict.md), [валидация](../modes/val.md), [тренировка](../modes/train.md) и [экспорт](../modes/export.md), указанными с помощью эмодзи ✅ для поддерживаемых режимов и эмодзи ❌ для неподдерживаемых.
+
+| Тип модели | Предварительно обученные веса | Поддерживаемые задачи                          | Вывод | Валидация | Тренировка | Экспорт |
+|------------|-------------------------------|------------------------------------------------|-------|-----------|------------|---------|
+| MobileSAM  | `mobile_sam.pt`               | [Сегментация экземпляров](../tasks/segment.md) | ✅     | ❌         | ❌          | ✅       |
+
+## Переход от SAM к MobileSAM
+
+Поскольку MobileSAM сохраняет ту же самую последовательность операций, что и оригинальный SAM, в него интегрированы все интерфейсы для предобработки, постобработки и прочие интерфейсы. В результате, пользователи, уже использующие оригинальный SAM, могут легко перейти на MobileSAM.
+
+MobileSAM работает сравнимо с оригинальным SAM и имеет ту же самую последовательность операций, за исключением изменения кодировщика изображений. В частности, мы заменяем оригинальный "тяжёлый" кодировщик изображений ViT-H (632M) на более компактный Tiny-ViT (5M). На одном графическом процессоре MobileSAM работает примерно за 12 мс на изображение: 8 мс на кодировщик изображений и 4 мс на декодер масок.
+
+В таблице представлено сравнение кодировщиков изображений на базе ViT:
+
+| Кодировщик изображений | Оригинальный SAM | MobileSAM |
+|------------------------|------------------|-----------|
+| Параметры              | 611M             | 5M        |
+| Скорость               | 452 мс           | 8 мс      |
+
+Как оригинальный SAM, так и MobileSAM используют один и тот же декодер масок, управляемый подсказками:
+
+| Декодер масок | Оригинальный SAM | MobileSAM |
+|---------------|------------------|-----------|
+| Параметры     | 3.876M           | 3.876M    |
+| Скорость      | 4 мс             | 4 мс      |
+
+Ниже приведено сравнение всей последовательности операций:
+
+| Полная последовательность операций (Enc+Dec) | Оригинальный SAM | MobileSAM |
+|----------------------------------------------|------------------|-----------|
+| Параметры                                    | 615M             | 9.66M     |
+| Скорость                                     | 456 мс           | 12 мс     |
+
+Производительность MobileSAM и оригинального SAM демонстрируется с использованием подсказок в форме точки и прямоугольника.
+
+![Изображение с подсказкой в виде точки](https://raw.githubusercontent.com/ChaoningZhang/MobileSAM/master/assets/mask_box.jpg?raw=true)
+
+![Изображение с подсказкой в виде прямоугольника](https://raw.githubusercontent.com/ChaoningZhang/MobileSAM/master/assets/mask_box.jpg?raw=true)
+
+MobileSAM обеспечивает примерно в 5 раз меньший размер и в 7 раз большую скорость работы по сравнению с текущим FastSAM. Более подробная информация доступна на [странице проекта MobileSAM](https://github.com/ChaoningZhang/MobileSAM).
+
+## Тестирование MobileSAM в Ultralytics
+
+Как и оригинальный SAM, мы предлагаем простой метод тестирования в Ultralytics, включая режимы тестирования с использованием подсказок в форме точки и прямоугольника.
+
+### Загрузка модели
+
+Вы можете загрузить модель [здесь](https://github.com/ChaoningZhang/MobileSAM/blob/master/weights/mobile_sam.pt).
+
+### Подсказка в форме точки
+
+!!! Example "Пример"
+
+    === "Python"
+        ```python
+        from ultralytics import SAM
+
+        # Загрузка модели
+        model = SAM('mobile_sam.pt')
+
+        # Предсказание сегмента на основе подсказки в форме точки
+        model.predict('ultralytics/assets/zidane.jpg', points=[900, 370], labels=[1])
+        ```
+
+### Подсказка в форме прямоугольника
+
+!!! Example "Пример"
+
+    === "Python"
+        ```python
+        from ultralytics import SAM
+
+        # Загрузка модели
+        model = SAM('mobile_sam.pt')
+
+        # Предсказание сегмента на основе подсказки в форме прямоугольника
+        model.predict('ultralytics/assets/zidane.jpg', bboxes=[439, 437, 524, 709])
+        ```
+
+Мы реализовали `MobileSAM` и `SAM` с использованием одного и того же API. Для получения дополнительной информации о использовании, пожалуйста, см. [страницу SAM](sam.md).
+
+## Цитирование и благодарности
+
+Если вы считаете MobileSAM полезным в своей научно-исследовательской или разработочной работе, пожалуйста, рассмотрите возможность цитирования нашей статьи:
+
+!!! 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}
+        }