跳转至
SAHI logo

SAHI: 切片辅助高效推理

一个轻量级的计算机视觉库，可实现大规模的目标检测和实例分割

teaser

总下载量 月下载量 PyPI 版本 Conda 版本 许可证
CI 已知漏洞 CodeFactor DOI
Context7 MCP llms.txt DeepWiki HuggingFace Spaces

概览

SAHI 通过启用切片推理来检测大图像中的小物体，从而帮助开发人员克服了对象检测中的实际挑战。它支持各种流行的检测模型并提供易于使用的 API。

🌐 [English](../../README.md) | 🇨🇳 [简体中文](README.md) | 🇹🇷 [Türkçe](../tr/README.md)
命令 描述
predict 使用任意 ultralytics / mmdet / huggingface / torchvision 模型进行切片或标准视频/图像预测 -- 参见 CLI 指南
predict-fiftyone 使用任意支持的模型进行切片或标准预测，并在 fiftyone 应用 中探索结果 -- 了解更多
coco slice 自动切片 COCO 标注和图像文件 -- 参见 切片工具
coco fiftyone 在 fiftyone ui 中探索 COCO 数据集的多个预测结果，按错误检测数量排序
coco evaluate 针对给定的预测和真实数据评估 COCO 的类级别 AP 和 AR -- 查看 COCO 工具
coco analyse 计算并导出多种错误分析图表 -- 参见 完整指南
coco yolo 将任意 COCO 数据集自动转换为 ultralytics 格式

社区认可

📜 引用 SAHI 的出版物列表（当前超过 600 篇）

🏆 使用 SAHI 的竞赛获奖者列表

AI 工具认可

SAHI 的文档已在 Context7 MCP 中建立索引，为 AI 编码助手提供最新的，版本特定的代码示例和 API 参考。我们还提供了一个遵循 AI 可读文档新兴标准的 llms.txt 文件。要将 SAHI 文档集成到您的 AI 开发工作流程中，请查看 Context7 MCP 安装指南.

安装

基本安装

pip install sahi
详细安装说明（点击展开） - 安装您所需的 PyTorch 和 torchvision 版本： 
pip install torch==2.7.0 torchvision==0.22.0 --index-url https://download.pytorch.org/whl/cu126
（为了获得 mmdet 框架的支持，您需要安装 torch 2.1.2 版本）： 
pip install torch==2.1.2 torchvision==0.16.2 --index-url https://download.pytorch.org/whl/cu121
- 安装您所需的检测框架 (ultralytics): 
pip install ultralytics>=8.3.161
- 安装您所需的检测框架 (huggingface): 
pip install transformers>=4.49.0 timm
- 安装您所需的检测框架 (yolov5): 
pip install yolov5==7.0.14 sahi==0.11.21
- 安装您所需的检测框架 (mmdet): 
pip install mim
mim install mmdet==3.3.0
- 安装您所需的检测框架 (roboflow): 
pip install inference>=0.51.5 rfdetr>=1.6.2

快速开始

学习资源

资源 类型
SAHI 简介 博客文章
视频教程（2025年） ⭐ 视频
官方论文 (ICIP 2022 oral) 论文
预训练权重 和 ICIP 2022 论文文件 基准测试
使用 FiftyOne 可视化并评估 SAHI 的预测结果 博客文章
《探索 SAHI》-- learnopencv.com 文章
Encord 对 Slicing Aided Hyper Inference（SAHI）的解读 文章
视频教程：SAHI 在小目标检测中的应用 视频
卫星图像目标检测 博客文章
COCO 数据集转换 博客文章
Kaggle notebook Notebook
误差分析绘图 & 评估 ⭐ 讨论
交互式结果可视化与检查 ⭐ 讨论
视频推理支持 讨论
切片操作 Notebook Notebook
完整文档 文档

Notebooks & 示例

框架 Notebook 示例
YOLO26 Open In Colab —
YOLO12 Open In Colab —
YOLO11 Open In Colab —
YOLO11-OBB Open In Colab —
Roboflow / RF-DETR Open In Colab —
RT-DETR v2 Open In Colab —
RT-DETR Open In Colab —
HuggingFace Open In Colab —
YOLOv5 Open In Colab —
MMDetection Open In Colab —
TorchVision Open In Colab —
YOLOX — HuggingFace Spaces

sahi-yolox

与框架无关的切片/标准预测

sahi-predict

请在 CLI 文档 中查找关于使用 sahi predict 命令的详细信息，并查阅 预测 API 以了解高级用法。

请在 视频推理教程 中查找关于视频推理的详细信息。

误差分析绘图 & 评估

sahi-analyse

请在 误差分析绘图 & 评估 中查找相关的详细信息。

交互式结果可视化与检查

sahi-fiftyone

探索 FiftyOne 集成 以实现交互式可视化与检查。

其他实用工具

请查阅 完整的 COCO 工具指南 了解 YOLO 格式转换、数据集切片、子采样、筛选、合并与分割等操作。了解更多关于 切片工具 ，以实现对图像和数据集切片参数的精细控制。

引用

如果您在您的工作中使用了这个包，请如下文引用：

@article{akyon2022sahi,
  title={Slicing Aided Hyper Inference and Fine-tuning for Small Object Detection},
  author={Akyon, Fatih Cagatay and Altinuc, Sinan Onur and Temizel, Alptekin},
  journal={2022 IEEE International Conference on Image Processing (ICIP)},
  doi={10.1109/ICIP46576.2022.9897990},
  pages={966-970},
  year={2022}
}

@software{obss2021sahi,
  author       = {Akyon, Fatih Cagatay and Cengiz, Cemil and Altinuc, Sinan Onur and Cavusoglu, Devrim and Sahin, Kadir and Eryuksel, Ogulcan},
  title        = {{SAHI: A lightweight vision library for performing large scale object detection and instance segmentation}},
  month        = nov,
  year         = 2021,
  publisher    = {Zenodo},
  doi          = {10.5281/zenodo.5718950},
  url          = {https://doi.org/10.5281/zenodo.5718950}
}

贡献者

欢迎贡献！请参阅我们的 贡献指南 来开始使用。感谢所有贡献者！