这是一个记录各种预处理器以及各种软件插件之类的用法的笔记本。如果你们有更好的，我也希望你们可以一起加入共同编辑。
在本次测试中， Impact-Pack + segmentanything 和 **Yoloworld ESAM**的表现最好，而 segm 的效果最差。
默认使用 Impact-Pack + segmentanything 就好， segm 只能识别全身， Yoloworld ESAM 可以作为 Impact-Pack + segmentanything 的补充。
工作流在下方，拖入ComfyUI就可以使用。
在超大场景超小人物的测试中，我们比较了几种不同的语义分割工具的表现，结果如下：
-
Impact-Pack + segmentanything
这两者的结合效果最佳，分割精准，无多余分割，适合复杂场景下的小目标识别。 -
segm
效果次之，能识别目标，但会多识别一些不必要的部分。 -
Yoloworld ESAM
效果最差，分割不够精准，容易识别多余部分，不推荐用于此类场景。
在大场景小人物的测试中，我们比较了几种不同的语义分割工具的表现，结果如下：
-
Impact-Pack + segmentanything
这两者的结合效果最佳，分割精准，无多余分割，适合复杂场景下的小目标识别。 -
segm
效果也非常好，但是抠图不如Impact-Pack + segmentanything精准，裙子还是有白边。 -
Yoloworld ESAM
效果还行。
在半身照的测试中，我们比较了几种不同的语义分割工具的表现，三者表现都非常好：
在横屏半身照测试中，我们比较了几种不同的语义分割工具的表现，结果如下：
-
Impact-Pack + segmentanything
这个组合效果依然最佳，图片扣得非常干净。 -
segm
完全不可用。这时候segm 明显落后于其他分割了，segm 进提供面部，手部，全身的选项，但我这里除了全身不报错意外，其他选项都会报错。 -
Yoloworld ESAM
效果不错非常好，甚至比Impact-Pack + segmentanything还要好。
在全身照的测试中，我们比较了几种不同的语义分割工具的表现，结果如下：
-
Impact-Pack + segmentanything
这个组合效果依然最佳，图片扣得非常干净。 -
segm
完全不可用。这时候segm 明显落后于其他分割了，segm 进提供面部，手部，全身的选项，但我这里除了全身不报错意外，其他选项都会报错。 -
Yoloworld ESAM
效果不好，会识别多余的物体。
在人物更小手臂更小的场景下，我比较了几种不同的语义分割工具的表现，结果如下：
-
Impact-Pack + segmentanything
虽然有多余的，但是对比与其他两个也是完美的存在。 -
segm
完全不可用。 -
Yoloworld ESAM
效果不好，直接识别全身了。
git add .
git commit -m "update README.md"
git push