sahi
0.11.19
对象检测和实例分割是迄今为止计算机视觉中最重要的应用。然而，在实际使用中，小物体的检测和大图像的推理仍然需要改进。 SAHI 来帮助开发人员通过许多视觉实用程序克服这些现实问题。
| 命令 | 描述 |
|---|---|
| 预测 | 使用任何 ultralytics/mmdet/Detectron2/huggingface/torchvision 模型执行切片/标准视频/图像预测 |
| 预测五十一点 | 使用任何 ultralytics/mmdet/ detectorron2/huggingface/torchvision 模型执行切片/标准预测，并在五十一应用程序中探索结果 |
| 可可片 | 自动切片COCO注释和图像文件 |
| 可可五十一 | 使用按错误检测数量排序的五十个 ui 探索 COCO 数据集上的多个预测结果 |
| 可可评价 | 针对给定的预测和真实情况评估分类 COCO AP 和 AR |
| 可可分析 | 计算并导出许多误差分析图 |
| 可可·约洛夫5 | 自动将任何 COCO 数据集转换为 ultralytics 格式 |
引用 SAHI 的出版物列表（目前 200 多个）
？使用 SAHI 的竞赛获奖者名单
萨希简介
官方论文（ICIP 2022 口头）
预训练权重和 ICIP 2022 纸质文件
使用 FiftyOne 可视化和评估 SAHI 预测 (2024)（新）
来自“learnopencv.com”的“探索 SAHI”研究文章
“视频教程：用于小物体检测的切片辅助超推理 - SAHI”（推荐）
视频推理支持上线
卡格尔笔记本
卫星物体检测
误差分析图和评估（推荐）
交互式结果可视化和检查（推荐）
COCO数据集转换
切片操作笔记本
YOLOX + SAHI演示：（推荐）
RT-DETR + SAHI演练：（新）
YOLOv8 + SAHI演练：
DeepSparse + SAHI演练：
HuggingFace + SAHI演练：
YOLOv5 + SAHI演练：
MMDetection + SAHI演练：
Detectron2 + SAHI演练：
TorchVision + SAHI演练：
sahi ： pip install sahiShapely需要通过 Conda 安装： conda install -c conda-forge shapely 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 pip install yolov5==7.0.13 pip install ultralytics==8.0.207 pip install mim
mim install mmdet==3.0.0 pip install detectron2 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu113/torch1.10/index.html pip install transformers timm pip install super-gradients==3.3.1
在 cli.md 上查找有关sahi predict命令的详细信息。
在视频推理教程中查找有关视频推理的详细信息。
在 slicing.md 中查找有关图像/数据集切片实用程序的详细信息。
在误差分析图和评估中查找详细信息。
在交互式结果可视化和检查中查找详细信息。
在 coco.md 上查找有关 COCO 实用程序（yolov5 转换、切片、子采样、过滤、合并、拆分）的详细信息。
在 mot.md 上查找有关 MOT 实用程序（地面实况数据集创建、以 mot 挑战格式导出跟踪器指标）的详细信息。
如果您在工作中使用此包，请将其引用为：
@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}
}
sahi库目前支持所有 YOLOv5 模型、MMDetection 模型、Detectron2 模型和 HuggingFace 对象检测模型。此外，添加新框架也很容易。
您需要做的就是在 sahi/models/ 文件夹下创建一个新的 .py 文件，并在该 .py 文件中创建一个实现DetectionModel 类的新类。您可以将 MMDetection 包装器或 YOLOv5 包装器作为参考。
在创建 PR 之前：
pip install -e . " [dev] "python -m scripts.run_code_style format法提赫·卡加泰·阿肯
西南·奥努尔·阿尔蒂努克
德夫里姆·恰武什奥卢
杰米尔·森吉兹
奥古尔坎·埃留克塞尔
卡迪尔·纳尔
布拉克·马登
普什帕克·博格
M. 坎 V.
克里斯托弗·埃德伦德
伊什沃尔
穆罕默德·埃杰维特
卡迪尔·沙欣
韦伊
永才
阿尔兹贝塔·图雷科娃
内田壮
权龙惠
内维尔
珍妮·迈拉
克里斯托弗·埃德伦德
伊尔克·马纳普
阮氏安
韦吉
艾努尔·苏苏兹
普拉纳夫·杜莱
拉克谢·梅赫拉
卡尔·琼·阿莱斯玛
雅各布·马克斯
威廉·隆
阿莫·达利瓦尔
