sahi

SAHI(Slicing Aided Hyper Inference)는 대규모 객체 탐지 및 인스턴스 분할을 위한 경량 비전 라이브러리입니다. 핵심 아이디어는 슬라이스 추론으로, 큰 이미지를 겹치는 타일로 나누고 각 타일에서 탐지를 실행한 후 결과를 병합하여, 전체 이미지를 한 번에 처리할 때 놓칠 수 있는 작은 객체를 찾아내는 데 도움을 줍니다. 이 라이브러리는 프레임워크에 구애받지 않습니다. README에는 Ultralytics 모델(YOLO 변형, YOLOE, YOLO11-OBB), MMDetection, RT-DETR과 같은 HuggingFace transformers 모델, TorchVision, Detectron2, YOLOv5, YOLOX, GroundingDINO, Roboflow/RF-DETR에 대한 지원이 나열되어 있습니다. 설치는 pip를 통해 이루어지며, 프레임워크별 선택적 추가 기능이 있습니다. 명령줄 인터페이스는 주요 워크플로를 다룹니다: 슬라이스 또는 표준 이미지 및 비디오 추론을 위한 predict; FiftyOne 앱에서 결과를 검사하기 위한 predict-fiftyone; COCO 이미지와 어노테이션을 슬라이스하기 위한 coco slice; 오탐 순으로 정렬된 예측을 탐색하기 위한 coco fiftyone; 클래스별 COCO AP/AR을 위한 coco evaluate; 오류 분석 플롯을 위한 coco analyse; 그리고 COCO 데이터셋을 Ultralytics 형식으로 변환하기 위한 coco yolo. Python API는 예측, 슬라이싱 및 COCO 유틸리티에 대해 문서화되어 있습니다. 추론 외에도 SAHI는 데이터셋 도구를 제공합니다: COCO 데이터셋의 슬라이싱, 서브샘플링, 필터링, 병합 및 분할, 그리고 YOLO 형식으로의 변환. 오류 분석 플롯과 평가 보고서는 탐지 실패를 진단하는 데 도움을 주며, FiftyOne 통합은 예측의 대화형 시각화 및 검사를 지원합니다. 이 프로젝트는 PyPI와 conda-forge에 게시되어 있으며, ICIP 2022 논문이 있고, 문서는 Context7 MCP와 llms.txt 파일을 통해 AI 코딩 어시스턴트용으로 색인되어 있습니다. README는 또한 각 지원 프레임워크에 대한 노트북과 데모, HuggingFace Space 데모, 그리고 인용 논문 목록과 대회 수상자를 포함한 커뮤니티 리소스를 링크합니다.