Installs 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 with every re-scan.
[](https://www.skillsdirectory.com/skills/ziri22-agent-segment-anything-v2)
---
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 visuelle