obss/sahi

SAHI – 슬라이싱 지원 하이퍼 추론

개요 – SAHI는 객체 감지 모델이 매우 큰 이미지나 비디오에서 더 잘 작동하도록 하는 경량 Python 라이브러리입니다. 입력을 겹치는 타일로 자동 분할하고, 각 타일에서 표준 감지기를 실행한 후 결과를 다시 결합합니다. 이 기법을 슬라이스 추론이라고 하며, 놓치기 쉬운 작은 객체를 찾는 데 도움이 됩니다.

主な機能

• 多くの一般的な検出バックエンドに対応：Ultralytics YOLO（v5、v8、YOLOX、YOLO-E など）、MMDetection、Detectron2、Hugging Face 物体検出パイプライン、TorchVision、Roboflow RF-DETR、GroundingDINO など。
• 画像、動画、COCO スタイルのデータセット処理のための統一 CLI（sahi predict、sahi predict-fiftyone、sahi coco …）を提供。
• COCO データセットのスライス、形式変換、AP/AR 評価、エラー分析プロット生成のユーティリティを含む。
• FiftyOne 可視化ツールと統合し、予測の対話的な検査が可能。
• PyPI と Conda-Forge で配布。インストールは pip install sahi に加え、選択した検出器に応じたオプション依存関係を追加。

典型的なワークフロー

1. インストール：ライブラリと必要な検出器（例：pip install ultralytics）をインストールします。
2. sahi predict を実行し、画像/動画とモデルチェックポイントを指定します。SAHI は自動的に入力画像をタイル分割し、各タイルで推論を実行し、マージされた検出結果を出力します。
3. （オプション）sahi predict-fiftyone を使用して FiftyOne で結果を開き、視覚的にデバッグします。
4. データセットレベルの作業には、coco サブコマンドを使用してアノテーションをスライスし、グランドトゥルースと評価するか、特定のフレームワークに必要な形式に変換します。

重要性 – 大規模な航空、衛星、または医療画像には、標準的な検出器では数ピクセルしか占めない小さな物体が見逃されることがよくあります。画像をスライスすることで、SAHI は既存モデルのアーキテクチャを維持しながら、再トレーニングなしで小さな物体の再現率を大幅に向上させます。

リソース

• 公式論文（ICIP 2022）– https://ieeexplore.ieee.org/document/9897990
• 主要な検出器ごとのクイックスタートノートブック（すべて Google Colab で実行可能）
• SAHI を引用した論文やコンペティション受賞のコミュニティ管理リスト
• HuggingFace Space デモ：大画像での YOLOX 推論を表示

インストールスニペット

pip install sahi               # コアライブラリ
# 検出器フレームワークを選択、例：
pip install ultralytics>=8.3   # YOLO ファミリー
# または MMDetection サポート：
pip install mim && mim install mmdet==3.3.0

はじめに – インストール後、デモノートブックを試してください：

jupyter notebook demo/inference_for_ultralytics.ipynb

またはコマンドラインで一行実行：

sahi predict --model yolov8n.pt --image path/to/large_image.tif

---

上記の情報はすべてリポジトリの README から直接取得しています。