Awesome

ywes_

ComfyUI YoloWorld-EfficientSAM

Unofficial implementation of YOLO-World + EfficientSAM & YOLO-World for ComfyUI

Dingtalk_20240220201311

项目介绍 | Info

对YOLO-World + EfficientSAM的非官方实现
利用全新的 YOLO-World 与 EfficientSAM 实现高效的对象检测 + 分割
版本：V2.0 新增蒙版分离 + 提取功能，支持选择指定蒙版单独输出，同时支持图像和视频（V1.0工作流已弃用）

视频演示

V2.0

https://github.com/ZHO-ZHO-ZHO/ComfyUI-YoloWorld-EfficientSAM/assets/140084057/c7803084-8864-4bc5-a23f-20a47cf66925

V1.0

https://github.com/ZHO-ZHO-ZHO/ComfyUI-YoloWorld-EfficientSAM/assets/140084057/ed51a9c7-0e06-4026-8946-04dd78aa712c

节点说明 | Features

YOLO-World 模型加载 | 🔎Yoloworld Model Loader
- 支持 3 种官方模型：yolo_world/l, yolo_world/m, yolo_world/s，会自动下载并加载
EfficientSAM 模型加载 | 🔎ESAM Model Loader
- 支持 CUDA 或 CPU
🆕检测 + 分割 | 🔎Yoloworld ESAM
- yolo_world_model：接入 YOLO-World 模型
- esam_model：接入 EfficientSAM 模型
- image：接入图像
- categories：检测 + 分割内容
- confidence_threshold：置信度阈值，降低可减少误检，增强模型对所需对象的敏感性。增加可最小化误报，防止模型识别不应识别的对象
- iou_threshold：IoU 阈值，降低数值可减少边界框的重叠，使检测过程更严格。增加数值将会允许更多的边界框重叠，适应更广泛的检测范围
- box_thickness：检测框厚度
- text_thickness：文字厚度
- text_scale：文字缩放
- with_confidence：是否显示检测对象的置信度
- with_class_agnostic_nms：是否抑制类别之间的重叠边界框
- with_segmentation：是否开启 EfficientSAM 进行实例分割
- mask_combined：是否合并（叠加）蒙版 mask，"是"则将所有 mask 叠加在一张图上输出，"否"则会将所有的蒙版单独输出
- mask_extracted：是否提取选定蒙版 mask，"是"则会将按照 mask_extracted_index 将所选序号的蒙版单独输出
- mask_extracted_index：选择蒙版 mask 序号

Dingtalk_20240224154535

🆕检测 + 分割 | 🔎Yoloworld ESAM Detector Provider （由 ltdrdata 提供，感谢！）
- 可配合 Impact-Pack 一起使用
- yolo_world_model：接入 YOLO-World 模型
- esam_model：接入 EfficientSAM 模型
- categories：检测 + 分割内容
- iou_threshold：IoU 阈值
- with_class_agnostic_nms：是否抑制类别之间的重叠边界框

306523112-ea37dfd0-7019-4207-af2a-aa3c9355b63e

安装 | Install

推荐使用管理器 ComfyUI Manager 安装（On the Way）
手动安装：
1. cd custom_nodes
2. git clone https://github.com/ZHO-ZHO-ZHO/ComfyUI-YoloWorld-EfficientSAM
3. cd custom_nodes/ComfyUI-YoloWorld-EfficientSAM
4. pip install -r requirements.txt
5. 重启 ComfyUI
模型下载：将 EfficientSAM 中的 efficient_sam_s_cpu.jit 和 efficient_sam_s_gpu.jit 下载到 custom_nodes/ComfyUI-YoloWorld-EfficientSAM 中