#72 · 主分类： 计算机视觉
sahi
coco
computer-vision
deep-learning
explainable-ai
fiftyone
hacktoberfest
huggingface
instance-segmentation
large-image
machine-learning
object-detection
open-vocabulary-detection
oriented-object-detection
python
pytorch
remote-sensing
satellite
small-object-detection
tiling
yolo26
框架无关的切片/分块推理 + 交互式UI + 错误分析图
项目最后更新：08/22/26
GitHub Stars
5.5K
Forks数量
781
贡献者数量
80
许可证
MIT
收录理由
大尺寸影像上的小目标检测一直是让人头疼的问题——模型本身没问题，但目标太小、图像太大，直接推理往往效果很差。SAHI 的思路很直接：把图像切成有重叠的切片，逐块推理后再把结果拼回去。这样一来，小目标在切片里相对变大，检测器更容易抓住；同时卫星影像、航拍图、高分辨率街景这类单张图就能撑爆显存的场景，也能顺利跑起来。它不挑框架，PyTorch 生态里的 Ultralytics YOLO、MMDetection 都能接，Hugging Face 上的检测模型也支持，基本可以无缝嵌进现有流程。除了推理，它还支持在切片数据上微调模型，附带 COCO 数据集切分工具、按类别计算指标的功能，以及误差分析可视化图表。对于做遥感或者任何大图检测的团队来说，这是个久经考验的实用工具。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。