Об этом проекте

SAHI (Slicing Aided Hyper Inference) — это легковесная библиотека компьютерного зрения, предназначенная для крупномасштабного обнаружения объектов и сегментации экземпляров. Её основная идея — мозаичный вывод: разделение больших изображений на перекрывающиеся тайлы, выполнение обнаружения на каждом тайле и объединение результатов, что помогает выявлять мелкие объекты, которые могут быть пропущены при однопроходном анализе всего изображения. Библиотека не зависит от конкретного фреймворка. В README перечислена поддержка моделей Ultralytics (варианты YOLO, YOLOE, YOLO11-OBB), MMDetection, моделей HuggingFace transformers, таких как RT-DETR, TorchVision, Detectron2, YOLOv5, YOLOX, GroundingDINO и Roboflow/RF-DETR. Установка осуществляется через pip, с дополнительными опциональными пакетами для конкретных фреймворков. Интерфейс командной строки охватывает основные рабочие процессы: predict для мозаичного или стандартного вывода на изображениях и видео; predict-fiftyone для просмотра результатов в приложении FiftyOne; coco slice для нарезки изображений и аннотаций COCO; coco fiftyone для просмотра предсказаний, упорядоченных по ошибкам обнаружения; coco evaluate для оценки AP/AR по классам COCO; coco analyse для построения графиков анализа ошибок; и coco yolo для преобразования наборов данных COCO в формат Ultralytics. Документированы Python API для предсказания, нарезки и утилит COCO. Помимо вывода, SAHI предоставляет инструменты для работы с наборами данных: нарезку, подвыборку, фильтрацию, объединение и разделение наборов данных COCO, а также преобразование в формат YOLO. Графики анализа ошибок и отчёты об оценке помогают диагностировать сбои обнаружения, а интеграция с FiftyOne поддерживает интерактивную визуализацию и проверку предсказаний. Проект опубликован на PyPI и conda-forge, имеет статью на ICIP 2022, а его документация индексируется для ИИ-ассистентов программирования через Context7 MCP и файл llms.txt. В README также приведены ссылки на блокноты и демо для каждой поддерживаемой платформы, демо на HuggingFace Space и ресурсы сообщества, включая список цитирующих публикаций и победителей соревнований.