跳转至

快速开始

SAHI（Slicing Aided Hyper Inference，切片辅助高效推理）通过将大图像切片为重叠的网格块，在每个块上运行检测器，然后合并结果，来检测大图像中的小目标。它适用于任何检测模型，无需重新训练。

sliced inference

安装

PyPI - Version Conda Version PyPI - Python Version

pip install sahi

进行目标检测还需要安装一个检测框架。最常用的选择是 Ultralytics：

pip install ultralytics
其他安装方式

Conda：

Conda Downloads Conda Platforms

conda install -c conda-forge sahi

Note

如果你在 CUDA 环境下安装，建议在同一条命令中安装 ultralytics、pytorch 和 pytorch-cuda： 

conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=11.8 ultralytics

从源码安装： 

pip install git+https://github.com/obss/sahi.git@main

开发模式（可编辑）： 

git clone https://github.com/obss/sahi
cd sahi
pip install -e .

完整依赖列表请参见 pyproject.toml。

使用 Python 的切片预测

from sahi import AutoDetectionModel
from sahi.predict import get_sliced_prediction

# 加载模型（适用于任何支持的框架）
detection_model = AutoDetectionModel.from_pretrained(
    model_type="ultralytics",
    model_path="yolo26n.pt",
    confidence_threshold=0.25,
    device="cuda:0",  # 或 "cpu"
)

# 执行切片预测
result = get_sliced_prediction(
    "path/to/your/image.jpg",
    detection_model,
    slice_height=512,
    slice_width=512,
    overlap_height_ratio=0.2,
    overlap_width_ratio=0.2,
)

# 导出可视化结果
result.export_visuals(export_dir="demo_data/")

# 访问各个预测结果
for pred in result.object_prediction_list:
    print(pred.category.name, pred.score.value, pred.bbox.to_xyxy())

使用命令行进行预测

无需编写 Python 代码即可执行切片推理：

sahi predict \
  --model_path yolo26n.pt \
  --model_type ultralytics \
  --source /path/to/images/ \
  --slice_height 512 \
  --slice_width 512

结果默认保存到 runs/predict/exp。

选择后处理后端

切片后，SAHI 使用 NMS 或 NMM 合并重叠的预测结果。系统会自动选择最佳可用后端：

后端 选择条件 安装方式
torchvision CUDA GPU + torchvision 可用 pip install torch torchvision
numba 已安装 numba，无 GPU pip install numba
numpy 始终可用（兜底方案） --

手动指定后端：

from sahi.postprocess.backends import set_postprocess_backend

set_postprocess_backend("numpy")       # 始终可用
set_postprocess_backend("numba")       # JIT 编译加速
set_postprocess_backend("torchvision") # GPU 加速
set_postprocess_backend("auto")        # 恢复自动检测

完整说明请参见后处理后端指南。

下一步