2024年10月7日 · SAHI（SliceAwareHyperInference）是一种推理优化算法，通过将大图切片为小块并分别推理的方式，实现更精细的小目标检测。提升小目标检测精度：切片后的小目标在每个小块中占比更大，模型能够更好地聚焦。

SAHI（切片辅助超推理）是一个创新库，旨在优化大规模高分辨率图像的物体检测算法。 其核心功能在于将图像分割成易于管理的切片，在每个切片上运行物体检测，然后将结果拼接在一起。 SAHI 与包括YOLO 系列在内的一系列物体检测模型兼容，从而在确保优化使用计算资源的同时提供了灵活性。 观看： 使用 SAHI（切片辅助超推理）进行推理。 Ultralytics YOLO11. 无缝集成：SAHI 可毫不费力地与YOLO 模型集成，这意味着您无需修改大量代码即可开始切片和检测。 …

2023年2月6日 · SAHI（SliceAwareHyperInference）是一种推理优化算法，通过将大图切片为小块并分别推理的方式，实现更精细的小目标检测。 提升 小目标 检测 精度： 切片 后的 小目标 在每个小块中占比更大，模型能够更好地聚焦。

Mick Sahi is on Facebook. Join Facebook to connect with Mick Sahi and others you may know. Facebook gives people the power to share and makes the world more open and connected.

2022年4月21日 · Slicing Aided Hyper Inference (SAHI) 的开源框架是一种基于Python的自动机器学习（AutoML）框架。 它可以自动化地 进行 模型选择、预处理和调参等任务，帮助用户快速构建和优化模型，提高机器学习的效率和准确性。

sahi library currently supports all Ultralytics (YOLOv8/v10/v11/RTDETR) models, MMDetection models, Detectron2 models, and HuggingFace object detection models. Moreover, it is easy to add new frameworks. All you need to do is, create a new .py file under sahi/models/ folder and create a new class in that .py file that implements DetectionModel ...

本文介绍了一个用于超大图片中对小目标检测的切片辅助超推理库 SAHI。 该库可直接用于现有的网络，而不需要重新设计和训练模型，使用十分方便。 点个关注 ，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读。 目标检测和实例分割是迄今为止计算机视觉中最重要的应用领域。 然而，小物体的检测和大图像的推理仍然是实际使用中的主要问题。 MMDetection Cascade Mask RCNN 模型的标准推理结果。 如图所示，未检测到上侧的小型汽车。 有没有办法在不重 …

2023年1月9日 · SAHI 算法就属于数据增强的方法，为了处理小对象检测问题， SAHI 算法在fine-tuning和推理阶段提出了一种基于切片的通用框架。 将输入图像分割成重叠的块，这样小目标物体的像素区域相对较大一些。 注：因为 SAHI 算法只是将输入图像分成若干子图，所以它输入图像的分辨率很高，适用于遥感图像、4k无人机航拍图像等高质量图像，而不适用于分辨率很低的图像！ 换句话说，该算法解决的是基于相对尺度定义的小目标检测，而对于在基于绝对尺度定义的小 …

2024年12月12日 · YOLOv8是一种高性能的目标检测算法，而SAHI（Slice Assisted Hybrid Inference）则是一种能够提升YOLOv8推理速度的辅助技术。 本文将介绍YOLOv8使用SAHI切片辅助推理的详细步骤，同时探讨其背后的原理和优...

2023年1月3日 · SAHI: Slicing Aided Hyper Inference（切片辅助超推理）通过图像切片的方式来检测小目标。 SAHI检测过程可以描述为：通过滑动窗口将图像切分成若干区域，各个区域分别进行预测，同时也对整张图片进行推理。 然后将各个区域的预测结果和整张图片的预测结果合并，最后用NMS（非极大值抑制）进行过滤。 用动图表示该识别过程如下： SAHI的官方仓库地址为： sahi。 关于SAHI的使用可以阅读官方demo和官方文档： sahi-demo 和 sahi-docs。