1.  背景介绍

开源for Huawei（参考：https://developer.huaweicloud.com/programs/opensource/contributing/）  通过和公司、高校、社区的开发者合作，完成鲲鹏、昇腾、欧拉、鸿蒙、高斯、云服务等与开源软件的适配开发，帮助繁荣Huawei的基础生态，同时让开源软件能够更加简单、高效的运行于华为云上。

开始之前，开发者可以下载 开源for Huawei Wiki（参考：https://gitcode.com/HuaweiCloudDeveloper/OpenSourceForHuaweiWiki/overview） 了解详细的开发步骤，技术准备，以及开发过程需要的各种资源。

2需求分析

2.1 项目影响力

Segment Anything Model 2 (SAM 2) 是由 Meta AI 开发的基础模型，旨在解决图像和视频中的可提示分割问题。通过将静态图像视为单帧视频，SAM 2 扩展了其分割能力，尤其适用于实时视频处理。

截至 2024 年 9 月18日，SAM 2 项目在 GitHub 上的 star 数量已达 10.8k，fork 数量为 876，贡献者数量约为 100 名。最近一次代码提交时间为 2024 年 9 月 15 日。LICENSE：Apache Licence 2.0

以下是 SAM 2 项目的 star 历史图：

2.2 任务目的和范围

本任务的主要目标是将 SAM 2 项目适配至华为的 Ascend（昇腾）和 Kunpeng（鲲鹏）处理器，确保该模型在这些硬件平台上高效运行，进一步提升图像与视频分割应用场景的适用性。本次适配将提升华为在计算机视觉领域的竞争力，并扩大 Ascend 和 Kunpeng 处理器的市场影响力。

能力要求：
- 熟悉 C++ 和 Python 编程
- 具备深度学习和分割算法相关经验
- 了解 NPU 架构及并行计算优化
- 熟悉 Ascend 和 Kunpeng 处理器的硬件架构及优化技巧

2.3 适配任务清单

3. 工作量评估

4. 任务分解

4.1 完成 SAM 2 演示 Demo 的设计、开发和部署

DEMO 流程图参考如下：

Demo 包含以下内容：

1.模型选择：通过 Gradio 接口，用户可以选择不同尺寸或复杂度的预训练模型（例如 SAM 2 的 tiny、small、large 版本），并提供相应的 GPU/CPU 资源选择。系统自动检测用户硬件环境，并推荐最适合的模型，确保推理过程高效。
2. 图像或视频上传与分割：支持批量图像或视频上传，并提供实时分割结果预览。用户可手动选择分割区域或通过交互提示微调分割结果。技术实现：通过 SAM 2 模型 API 实现自动化掩码生成，并支持通过点击或框选等操作调整分割区域。
3. 适配：确保 SAM 2 模型在 Ascend、Kunpeng 处理器及 openEuler 系统上高效运行。技术实现：结合 CANN 或 Atlas 开发工具，充分利用 Ascend NPU 的计算力，进行硬件适配，最终生成报告。

4.写出文档列出详细的步骤，让初次接触这个DEMO的人可以容易的复现。

4.2 完成适配心得输出

撰写一篇详细的适配心得，涵盖 SAM 2 在 Ascend 和 Kunpeng 处理器上的适配过程、技术挑战、解决方案及性能优化策略。心得文档将发布于华为云官方博客或其他技术平台。

4.3 在华为云开发者论坛输出博客

访问华为云开发者论坛（参考：https://bbs.huaweicloud.com/blogs）发表博客，介绍完成这些任务的过程和心得。

内容包括不限于如下内容：

l 开源for Huawei的背景

l 开源软件的功能介绍

l 开发适配过程及碰到和解决的问题

l DEMO设计、开发、部署过程

l 代码推送开源社区及互动过程

博客打上如下标签：

l 开源（必选）

l 开发者（必选）

l GaussDB数据库（可选）

l 云数据库 GaussDB（可选）

l 鲲鹏（可选）

l 昇腾（可选）

l 鸿蒙（可选）

l 对象存储 OBS（可选）

5 验收材料

6. 参考资料

1. GitHub - SAM 2: https://github.com/facebookresearch/segment-anything-2