grounded-sam官方demo本地部署，参照官方文档一步一步的操作发现还是有些问题，之后又参考了相关博客，基本已经能够运行，但有些细节还需指出。

安装包和依赖

在官方的github上安装部分的要求，python解释器版本3.8及以上，pytorch版本1.7及以上，torchvision为0.8及以上，确认好自己的版本能对上之后，开始安装相关包

再接着配置GPU环境，刚开始看到这的时候，我以为export是pycharm命令行能够直接识别的命令，发现没用后又直接cmd上输入还是不行，搜了一下才知道export好像是Linux命令，用于设置或显示环境变量的，我是windows系统，只好手动设置。而且这个第3个环境变量并不是直接复制，是要贴上自己的cuda安装路径，之前安装的cuda是在Anaconda的虚拟环境中，没法找到具体位置，又去官网下载cuda，这里选择的是cuda11.8。然后如果没有自己更改过安装位置的话，默认路径应该是：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8

安装SAM和GroundingdDINO以及其他模型，在pycharm命令行中安装，根据需要选择安装，这里安装GroundingDINO时可能会有些许问题，用国内源时需要把梯子关了，并且还会有找不到下载文件的情况，换了几次源，最后换了阿里源下好了。

再安装一下必要的依赖：

预训练模型权重下载
SAM
可根据需求选择版本下载，默认选vit_h
GroundingDINO
以上两个权重文件下载后加入项目主目录下，之后下载编码器bert：
bert-base-uncased
这里HuggingFace没有提供像GitHub那样的一键打包下载（也可能是我没找到），所以按照它的层级目录建好分别下载单个文件,最后结果如下：

运行代码

先试下GroundingDINO，在项目主目录找到grounding_dino_demo.py文件，其中参数

IMAGE_PATH 为输入图片的路径
TEXT_PROMPT 为提示文本，可自行修改
在最后一行代码cv2.imwrite(“annotated_image.jpg”, annotated_frame)可修改输出图片路径

from groundingdino.util.inference import load_model, load_image, predict, annotate, Model
import cv2


CONFIG_PATH = "GroundingDINO/groundingdino/config/GroundingDINO_SwinT_OGC.py"
CHECKPOINT_PATH = "./groundingdino_swint_ogc.pth"
DEVICE = "cuda"
IMAGE_PATH = "assets/demo7.jpg"
TEXT_PROMPT = "Horse. Clouds. Grasses. Sky. Hill."
BOX_TRESHOLD = 0.35
TEXT_TRESHOLD = 0.25

image_source, image = load_image(IMAGE_PATH)
model = load_model(CONFIG_PATH, CHECKPOINT_PATH)

boxes, logits, phrases = predict(
    model=model,
    image=image,
    caption=TEXT_PROMPT,
    box_threshold=BOX_TRESHOLD,
    text_threshold=TEXT_TRESHOLD,
    device=DEVICE,
)

annotated_frame = annotate(image_source=image_source, boxes=boxes, logits=logits, phrases=phrases)
cv2.imwrite("annotated_image.jpg", annotated_frame)

这里就用它自带的文件夹下的demo7，提示文本也不变，输出路径改为自己建立的result_image文件夹下，运行结果如下：

再来试下GroundingDINO+SAM，先在项目主目录下建立输入图片文件夹input_image和输出图片文件夹output_image，再找到grounded_sam_demo.py文件找到text_prompt这一行，可在这修改提示文本：

parser.add_argument("--text_prompt", type=str, required=True, help="text prompt")
#改为下面
parser.add_argument("--text_prompt", type=str,default="你的文本提示信息（用英文）", required=False, help="text prompt")

剩下几个参数，可以在像上面一样在代码中修改，也可以直接在命令行中给出，我这里选择后者，在pycharm命令行中输入：

python grounded_sam_demo.py --config GroundingDINO/groundingdino/config/GroundingDINO_SwinT_OGC.py --grounded_checkpoint ./groundingdino_swint_ogc.pth --sam_version vit_h --sam_checkpoint ./sam_vit_h_4b8939.pth --input_image ./input_image/car.jpg  --o output_image

在"./input_image/“后填入你需要输入的图片名,其他不需要改变，这里我选的原图如下，提示文本是"dog.bench.”

结果如下：

目前只使用了GroundingDINO+SAM，剩下几种组合还没用到

参考文章

Grounded-SAM（最强Zero-Shot视觉应用）：本地部署及各个模块的全网最详细使用教程！