প্রকল্প সম্পর্কে

SAHI (Slicing Aided Hyper Inference) একটি হালকা-ওজনের ভিশন লাইব্রেরি যা বড় আকারের অবজেক্ট ডিটেকশন এবং ইনস্ট্যান্স সেগমেন্টেশনের জন্য তৈরি। এর মূল ধারণা হলো স্লাইসড ইনফারেন্স: বড় ছবিগুলোকে ওভারল্যাপিং টাইলসে ভাগ করা, প্রতিটি টাইলে ডিটেকশন চালানো এবং ফলাফলগুলো একত্রিত করা, যা ছোট বস্তুগুলোকে সনাক্ত করতে সাহায্য করে যা একটি একক ফুল-ইমেজ পাসে মিস হতে পারে। লাইব্রেরিটি ফ্রেমওয়ার্ক অ্যাগনস্টিক। README-তে Ultralytics মডেল (YOLO ভ্যারিয়েন্ট, YOLOE, YOLO11-OBB), MMDetection, HuggingFace ট্রান্সফরমার মডেল যেমন RT-DETR, TorchVision, Detectron2, YOLOv5, YOLOX, GroundingDINO এবং Roboflow/RF-DETR-এর জন্য সমর্থন তালিকাভুক্ত। ইনস্টলেশন pip-এর মাধ্যমে, ঐচ্ছিক ফ্রেমওয়ার্ক-নির্দিষ্ট এক্সট্রা সহ। একটি কমান্ড-লাইন ইন্টারফেস মূল ওয়ার্কফ্লো কভার করে: predict স্লাইসড বা স্ট্যান্ডার্ড ইমেজ এবং ভিডিও ইনফারেন্সের জন্য; predict-fiftyone FiftyOne অ্যাপে ফলাফল পরিদর্শনের জন্য; coco slice COCO ছবি এবং অ্যানোটেশন স্লাইস করার জন্য; coco fiftyone মিসডিটেকশন অনুসারে সাজানো পূর্বাভাস ব্রাউজ করার জন্য; coco evaluate ক্লাস-ভিত্তিক COCO AP/AR-এর জন্য; coco analyse ত্রুটি-বিশ্লেষণ প্লটের জন্য; এবং coco yolo COCO ডেটাসেট Ultralytics ফরম্যাটে রূপান্তরের জন্য। পাইথন API-গুলো পূর্বাভাস, স্লাইসিং এবং COCO ইউটিলিটির জন্য নথিভুক্ত। ইনফারেন্স ছাড়াও, SAHI ডেটাসেট টুলিং সরবরাহ করে: COCO ডেটাসেটের স্লাইসিং, সাবস্যাম্পলিং, ফিল্টারিং, মার্জিং এবং স্প্লিটিং, পাশাপাশি YOLO ফরম্যাটে রূপান্তর। ত্রুটি-বিশ্লেষণ প্লট এবং মূল্যায়ন রিপোর্ট ডিটেকশন ব্যর্থতা নির্ণয়ে সাহায্য করে, এবং FiftyOne ইন্টিগ্রেশন ইন্টারেক্টিভ ভিজ্যুয়ালাইজেশন এবং পূর্বাভাস পরিদর্শন সমর্থন করে। প্রকল্পটি PyPI এবং conda-forge-এ প্রকাশিত, একটি ICIP 2022 পেপার রয়েছে, এবং এর ডকুমেন্টেশন Context7 MCP এবং একটি llms.txt ফাইল-এর মাধ্যমে AI কোডিং সহকারীদের জন্য সূচীবদ্ধ। README-তে প্রতিটি সমর্থিত ফ্রেমওয়ার্কের জন্য নোটবুক এবং ডেমো, একটি HuggingFace Space ডেমো, এবং উদ্ধৃত প্রকাশনা এবং প্রতিযোগিতা বিজয়ীদের তালিকা সহ কমিউনিটি রিসোর্সের লিঙ্কও রয়েছে।