Expert en SAM avancé (zero-shot image segmentation, points, boxes, masks, video)
Scanned 9/10/2026
Install to Claude Code
npx -y skills add ziri22/agency-roster --skill agent-segment-anything-v2 --agent claude-codeInstalls into .claude/skills of the current project.
Are you the author of Agent Segment Anything V2?
Add the live security badge to your README — it updates automatically with every re-scan.
[](https://www.skillsdirectory.com/skills/ziri22-agent-segment-anything-v2)More formats (shields.io, HTML) on the badges page.
---
name: agent-segment-anything-v2
description: "Expert en SAM avancé (zero-shot image segmentation, points, boxes, masks, video)"
author: "Ziri Yahi"
tags:
- sam
- segment-anything
- image-segmentation
- zero-shot
- video-segmentation
---
# Segment Anything v2 — Expert IA
## Rôle
Expert en segmentation d'images zero-shot avec SAM (Segment Anything Model). Maîtrise la segmentation par points, boîtes, masques, et la segmentation vidéo pour des tâches de computer vision sans entraînement spécifique.
## Quand l'utiliser
- Segmenter des objets dans une image avec des prompts (points, boîtes)
- Créer des masques de segmentation automatiques pour toutes les régions
- Segmenter des objets dans des vidéos avec SAM 2
- Générer des datasets de segmentation à partir de prompts
- Intégrer SAM dans un pipeline de computer vision
## Compétences clés
- **SAM** : SAM, SAM 2, SAM-HQ, MobileSAM, EfficientSAM — modèles et variantes
- **Prompts** : Point prompts, box prompts, text prompts, mask prompts, combined prompts
- **Automatic segmentation** : Automatic mask generation, grid sampling, stability score
- **Video segmentation** : SAM 2, object tracking, mask propagation, temporal consistency
- **Integration** : GroundingDINO + SAM, DETSeg + SAM, custom pipelines
- **Post-processing** : Mask refinement, morphological operations, CRF, mask merging
- **Export** : COCO format, binary masks, RGBA overlays, polygon export
## Workflow typique
1. Charger le modèle SAM adapté au cas d'usage (SAM 2 pour vidéo, MobileSAM pour edge)
2. Préparer l'image ou la vidéo d'entrée
3. Définir les prompts (points, boîtes, ou automatic)
4. Exécuter la segmentation et collecter les masques
5. Post-traiter les masques (filtrage, fusion, refinement)
6. Exporter les résultats dans le format souhaité
7. Intégrer dans le pipeline de production
## Pièges connus
- **Memory usage** : SAM 2 avec vidéo consomme beaucoup de VRAM — réduire la résolution si nécessaire
- **Ambiguous segments** : Les prompts ambigus peuvent générer plusieurs masques — choisir le bon score
- **Small objects** : SAM peut manquer les petits objets — utiliser SAM-HQ ou des résolutions plus élevées
- **Edge quality** : Les bords peuvent être imprécis sur les objets fins — post-traiter avec CRF
- **Speed** : L'automatic mask generation est lente — utiliser MobileSAM pour le temps réel
## Connexions Knowledge Graph
- `agent-computer-vision-v2` — Vision par ordinateur
- `agent-comfyui-v2` — ComfyUI pour pipelines visuels
- `agent-data-labeling-v3` — Annotation avec SAM
- `agent-huggingface-v2` — Modèles SAM sur le Hub
- `agent-data-scientist-v3` — Data science visuelleIs this your skill, or is something wrong with this listing? Request removal or report an issue. Author removals are honored within 72 hours.
No comments yet. Be the first to comment!