Colony Grounded SAM2：基于基础模型的细菌菌落零样检测与分割
计算机视觉与模式识别
2026-03-17 v1
摘要
细菌菌落在阴性板图像中的检测与分类在微生物学中至关重要，但因缺乏标记数据集而受限。因此,本文提出Colony Grounded SAM2,一个无需进一步训练即可检测和分割多个场景下细菌菌落的零样推理管道。通过利用预训练的基础模型Grounding DINO和Segment Anything Model 2,并针对微生物学领域进行微调,我们开发了一个对数据变化鲁健的模型。结果显示，在离线数据集上实现了93.1%的平均精度和0.85的Dice@detection分数,显示出卓越的检测和分割能力。整个管道及模型权重均以开放方式共享,旨在促进微生物学中的标注和分类工作。
引用
@article{arxiv.2603.13393,
title = {Colony Grounded SAM2: Zero-shot detection and segmentation of bacterial colonies using foundation models},
author = {Daan Korporaal and Patrick de Kruijf and Ralph H. G. M. Litjens and Bas H. M. van der Velden},
journal= {arXiv preprint arXiv:2603.13393},
year = {2026}
}