Download sahi - download do código-fonte do sahi

sahi

Pitão

0.11.19

Baixar

SAHI: Hiperinferência auxiliada por fatiamento

Uma biblioteca de visão leve para realizar detecção de objetos em grande escala e segmentação de instâncias

Visão geral

A detecção de objetos e a segmentação de instâncias são de longe as aplicações mais importantes em Visão Computacional. No entanto, a detecção de pequenos objetos e a inferência em imagens grandes ainda precisam ser melhoradas no uso prático. Aí vem o SAHI para ajudar os desenvolvedores a superar esses problemas do mundo real com muitos utilitários de visão.

Comando	Descrição
prever	realizar previsão de vídeo/imagem fatiada/padrão usando qualquer modelo ultralytics/mmdet/detectron2/huggingface/torchvision
prever cinquenta e um	execute previsão fatiada/padrão usando qualquer modelo ultralytics/mmdet/detectron2/huggingface/torchvision e explore os resultados em cinquenta e um aplicativos
fatia de coco	fatiar automaticamente anotações COCO e arquivos de imagem
coco cinquenta e um	explore vários resultados de previsão em seu conjunto de dados COCO com cinquenta e uma interface do usuário ordenada por número de detecções incorretas
coco avaliar	avaliar COCO AP e AR de classe para determinadas previsões e verdades básicas
análise de coco	calcular e exportar muitos gráficos de análise de erro
coco yolov5	converter automaticamente qualquer conjunto de dados COCO para o formato ultralítico

Exemplos de início rápido

Lista de publicações que citam SAHI (atualmente mais de 200)

? Lista dos vencedores do concurso que usaram SAHI

Tutoriais

Introdução ao SAHI
Artigo oficial (ICIP 2022 oral)
Pesos pré-treinados e arquivos em papel ICIP 2022
Visualizando e avaliando previsões de SAHI com FiftyOne (2024) (NOVO)
Artigo de pesquisa 'Explorando SAHI' de 'learnopencv.com'
'TUTORIAL DE VÍDEO: Hiperinferência auxiliada por fatiamento para detecção de objetos pequenos - SAHI' (RECOMENDADO)
O suporte para inferência de vídeo está ativo
Caderno Kaggle
Detecção de objetos de satélite
Gráficos e avaliação de análise de erros (RECOMENDADO)
Visualização e inspeção interativa de resultados (RECOMENDADO)
Conversão do conjunto de dados COCO
Caderno de operação de fatiamento
Demonstração YOLOX + SAHI : (RECOMENDADO)
Passo a passo RT-DETR + SAHI : (NOVO)
Passo a passo YOLOv8 + SAHI :
Passo a passo DeepSparse + SAHI :
Passo a passo do HuggingFace + SAHI :
Passo a passo YOLOv5 + SAHI :
Passo a passo de MMDetection + SAHI :
Passo a passo Detectron2 + SAHI :
Passo a passo TorchVision + SAHI :

sahi-yolox

Instalação

instalação sahi

Detalhes de instalação:

Instale sahi usando pip:

 pip install sahi

No Windows, Shapely precisa ser instalado via Conda:

 conda install -c conda-forge shapely

Instale a versão desejada do pytorch e torchvision (cuda 11.3 para detectron2, cuda 11.7 para descanso):

 conda install pytorch=1.10.2 torchvision=0.11.3 cudatoolkit=11.3 -c pytorch

 conda install pytorch=1.13.1 torchvision=0.14.1 pytorch-cuda=11.7 -c pytorch -c nvidia

Instale a estrutura de detecção desejada (yolov5):

 pip install yolov5==7.0.13

Instale a estrutura de detecção desejada (ultralítico):

 pip install ultralytics==8.0.207

Instale a estrutura de detecção desejada (mmdet):

 pip install mim
mim install mmdet==3.0.0

Instale a estrutura de detecção desejada (detectron2):

 pip install detectron2 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu113/torch1.10/index.html

Instale a estrutura de detecção desejada (huggingface):

 pip install transformers timm

Instale a estrutura de detecção desejada (supergradientes):

 pip install super-gradients==3.3.1

Predição fatiada/padrão independente da estrutura

sahi-prever

Encontre informações detalhadas sobre o comando sahi predict em cli.md.

Encontre informações detalhadas sobre inferência de vídeo no tutorial de inferência de vídeo.

Encontre informações detalhadas sobre utilitários de fatiamento de imagens/conjuntos de dados em slicing.md.

Gráficos e avaliação de análise de erros

análise sahi

Encontre informações detalhadas em Gráficos e avaliação de análise de erros.

Visualização e inspeção interativa

sahi-cinquenta e um

Encontre informações detalhadas em Visualização e inspeção interativa de resultados.

Outros utilitários

Encontre informações detalhadas sobre os utilitários COCO (conversão yolov5, fatiamento, subamostragem, filtragem, fusão, divisão) em coco.md.

Encontre informações detalhadas sobre utilitários MOT (criação de conjuntos de dados verdadeiros, exportação de métricas de rastreador em formato de desafio mot) em mot.md.

Citação

Se você usar este pacote em seu trabalho, cite-o como:

 @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}
}

Contribuindo

A biblioteca sahi atualmente suporta todos os modelos YOLOv5, modelos MMDetection, modelos Detectron2 e modelos de detecção de objetos HuggingFace. Além disso, é fácil adicionar novas estruturas.

Tudo o que você precisa fazer é criar um novo arquivo .py na pasta sahi/models/ e criar uma nova classe nesse arquivo .py que implemente a classe DetectionModel. Você pode usar o wrapper MMDetection ou o wrapper YOLOv5 como referência.

Antes de abrir um PR: