SAHI: Slicing Aided Hyper Inference

一个用于执行大规模目标检测与实例分割的轻量级视觉库

概述

SAHI 通过启用切片推理来检测大图像中的小目标，帮助开发者克服目标检测中的实际挑战。它支持多种流行的检测模型，并提供易于使用的 API。

🌐 English | 🇨🇳 简体中文 | 🇹🇷 Türkçe

Command	Description
predict	使用任意 ultralytics / mmdet / huggingface / torchvision 模型执行切片/标准视频/图像预测 — 参见 CLI 指南
predict-fiftyone	使用任何支持的模型执行切片/标准预测，并在 fiftyone app 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 slicing utilities
coco fiftyone	使用 fiftyone ui 按误检数量排序探索 COCO 数据集上的多个预测结果
coco evaluate	评估给定预测和真实值下的逐类 COCO AP 和 AR — 查看 COCO utilities
coco analyse	计算并导出多种误差分析图表 — 参见 complete guide
coco yolo	自动将任意 COCO 数据集转换为 ultralytics 格式

社区认可

📜 引用 SAHI 的出版物列表（目前 600+）

🏆 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](https://context7.com/obss/sahi)，为 AI 编码助手提供最新的、特定版本的代码示例和 API 参考。我们还提供了一个 llms.txt 文件，遵循新兴的 AI 可读文档标准。要将 SAHI 文档集成到您的 AI 开发工作流中，请查看 Context7 MCP 安装指南。

安装

基本安装

pip install sahi

详细安装（点击展开）

安装您所需版本的 pytorch 和 torchvision：

pip install torch==2.7.0 torchvision==0.22.0 --index-url https://download.pytorch.org/whl/cu126

（mmdet 支持需要 torch 2.1.2）：

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==0.12.1

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

快速入门

学习资源

资源	类型
SAHI 简介	博客文章
2025 视频教程 ⭐	视频
官方论文 (ICIP 2022 口头报告)	论文
预训练权重 & ICIP 2022 论文文件	基准测试
使用 FiftyOne 可视化和评估 SAHI 预测	博客文章
探索 SAHI – learnopencv.com	文章
Encord 讲解 Slicing Aided Hyper Inference	文章
视频教程：用于小目标检测的 SAHI	视频
卫星目标检测	博客文章
COCO 数据集转换	博客文章
Kaggle 笔记本	笔记本
误差分析图与评估 ⭐	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

笔记本与演示

Framework	Notebook	Demo
YOLO26		—
YOLO11		—
YOLO11-OBB		—
YOLOE		—
Roboflow / RF-DETR		—
RT-DETR v2		—
RT-DETR		—
HuggingFace		—
GroundingDINO		—
YOLOv5		—
MMDetection		—
Detectron2		—
TorchVision		—
YOLOX	—

框架无关的切片/标准预测

有关使用 sahi predict 命令的详细信息，请参阅 CLI 文档，并探索预测 API 以了解高级用法。

有关视频推理的详细信息，请参阅视频推理教程。

误差分析图与评估

详细信息请参阅误差分析图与评估。

交互式可视化与检查

探索 FiftyOne 集成以进行交互式可视化和检查。

其他实用工具

查阅全面的 COCO 实用工具指南以了解 YOLO 转换、数据集切片、子采样、过滤、合并和拆分操作。了解更多关于切片实用工具的信息，以详细控制图像和数据集切片参数。

引用

如果您在工作中使用了此软件包，请引用为：

@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

我们欢迎贡献！请参阅我们的贡献指南以开始参与。感谢所有贡献者 🙏！