SAHI logo

SAHI: Slicing Aided Hyper Inference

Geniş ölçekli object detection & instance segmentation için hafif bir bilgisayarlı görü kütüphanesi

teaser

Toplam İndirme Aylık İndirme PyPI Sürümü Conda Sürümü Lisans
CI Bilinen Zafiyetler CodeFactor DOI
Context7 MCP llms.txt DeepWiki HuggingFace Spaces
##
Genel Bakış
SAHI, büyük görsellerdeki küçük nesneleri tespit etmek için **Sliced Inference** tekniğini etkinleştirerek geliştiricilerin gerçek dünyadaki object detection zorluklarını aşmasına yardımcı olur. Çeşitli popüler tespit modellerini destekler ve kullanımı kolay API'ler sunar.
🌐 [English](../../README.md) | 🇨🇳 [简体中文](../zh/README.md) | 🇹🇷 [Türkçe](README.md)
| Komut | Açıklama | | --------------------------------------------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | [predict](cli.md#predict-command-usage) | Herhangi bir [ultralytics](https://github.com/ultralytics/ultralytics) / [mmdet](https://github.com/open-mmlab/mmdetection) / [huggingface](https://huggingface.co/models?pipeline_tag=object-detection&sort=downloads) / [torchvision](https://pytorch.org/vision/stable/models.html#object-detection) modelini kullanarak sliced/standart video/görsel tahmini gerçekleştirin, bkz. [CLI kılavuzu](cli.md#predict-command-usage) | | [predict-fiftyone](cli.md#predict-fiftyone-command-usage) | Desteklenen herhangi bir modeli kullanarak sliced/standart tahmin gerçekleştirin ve sonuçları [fiftyone uygulamasında](https://github.com/voxel51/fiftyone) inceleyin, [daha fazla bilgi](fiftyone.md) | | [coco slice](cli.md#coco-slice-command-usage) | COCO annotation ve görsel dosyalarını otomatik dilimleyin, bkz. [dilimleme araçları](slicing.md) | | [coco fiftyone](cli.md#coco-fiftyone-command-usage) | COCO veri kümenizdeki birden fazla tahmin sonucunu yanlış tespit sayısına göre sıralı olarak [fiftyone arayüzü](https://github.com/voxel51/fiftyone) ile inceleyin | | [coco evaluate](cli.md#coco-evaluate-command-usage) | Verilen tahminler ve ground truth için sınıf bazında COCO AP ve AR değerlerini değerlendirin, bkz. [COCO araçları](coco.md) | | [coco analyse](cli.md#coco-analyse-command-usage) | Birçok hata analizi grafiği hesaplayın ve dışa aktarın, bkz. [kapsamlı kılavuz](index.md) | | [coco yolo](cli.md#coco-yolo-command-usage) | Herhangi bir COCO veri kümesini otomatik olarak [ultralytics](https://github.com/ultralytics/ultralytics) formatına dönüştürün | ### Topluluk Tarafından Onaylandı [📜 SAHI'ye atıfta bulunan yayınların listesi (şu anda 600+)](https://scholar.google.com/scholar?hl=en&as_sdt=2005&sciodt=0,5&cites=14065474760484865747&scipsc=&q=&scisbd=1) [🏆 SAHI kullanan yarışma kazananlarının listesi](https://github.com/obss/sahi/discussions/688) ### Yapay Zeka Araçları Tarafından Onaylandı SAHI dokümantasyonu [Context7 MCP bünyesinde indekslenmiştir](https://context7.com/obss/sahi); bu da AI kodlama asistanlarına güncel, sürüme özel kod örnekleri ve API referansları sağlar. Ayrıca yapay zeka tarafından okunabilir dokümantasyonlar için gelişen standarda uygun bir [llms.txt](https://context7.com/obss/sahi/llms.txt) dosyası sunuyoruz. ##
Kurulum
### Temel Kurulum ```bash pip install sahi ```
Detaylı Kurulum (Açmak için tıklayın) - İstediğiniz pytorch ve torchvision sürümünü yükleyin: ```console pip install torch==2.7.0 torchvision==0.22.0 --index-url https://download.pytorch.org/whl/cu126 ``` (mmdet desteği için torch 2.1.2 gereklidir): ```console pip install torch==2.1.2 torchvision==0.16.2 --index-url https://download.pytorch.org/whl/cu121 ``` - İstediğiniz tespit kütüphanesini (ultralytics) yükleyin: ```console pip install ultralytics>=8.3.161 ``` - İstediğiniz tespit kütüphanesini (huggingface) yükleyin: ```console pip install transformers>=4.49.0 timm ``` - İstediğiniz tespit kütüphanesini (yolov5) yükleyin: ```console pip install yolov5==7.0.14 sahi==0.12.1 ``` - İstediğiniz tespit kütüphanesini (mmdet) yükleyin: ```console pip install mim mim install mmdet==3.3.0 ``` - İstediğiniz tespit kütüphanesini (roboflow) yükleyin: ```console pip install inference>=0.51.5 rfdetr>=1.6.2 ```
##
Hızlı Başlangıç
### Öğrenme Kaynakları | Kaynak | Tip | | -------------------------------------------------------------------------------------------------------------------------------------------- | ----------- | | [SAHI'ye Giriş](https://medium.com/codable/sahi-a-vision-library-for-performing-sliced-inference-on-large-images-small-objects-c8b086af3b80) | Blog Yazısı | | [2025 Video Öğretici](https://www.youtube.com/watch?v=ILqMBah5ZvI) ⭐ | Video | | [Resmi Makale](https://ieeexplore.ieee.org/document/9897990) (ICIP 2022 oral) | Makale | | [Ön Eğitimli Ağırlıklar & ICIP 2022 Makale Dosyaları](https://github.com/fcakyon/small-object-detection-benchmark) | Benchmark | | [FiftyOne ile SAHI Tahminlerini Görselleştirme ve Değerlendirme](https://voxel51.com/blog/how-to-detect-small-objects/) | Blog Yazısı | | [SAHI'yi İnceleme, learnopencv.com](https://learnopencv.com/slicing-aided-hyper-inference/) | Makale | | [Encord Tarafından Açıklanan Slicing Aided Hyper Inference](https://encord.com/blog/slicing-aided-hyper-inference-explained/) | Makale | | [Video Öğretici: Küçük Nesne Tespiti İçin SAHI](https://www.youtube.com/watch?v=UuOJKxn-M8&t=270s) | Video | | [Uydu Görüntülerinde Nesne Tespiti](https://blog.ml6.eu/how-to-detect-small-objects-in-very-large-images-70234bab0f98) | Blog Yazısı | | [COCO Veri Kümesi Dönüştürme](https://medium.com/codable/convert-any-dataset-to-coco-object-detection-format-with-sahi-95349e1fe2b7) | Blog Yazısı | | [Kaggle Notebook](https://www.kaggle.com/remekkinas/sahi-slicing-aided-hyper-inference-yv5-and-yx) | Notebook | | [Hata Analizi Grafikleri & Değerlendirme](https://github.com/obss/sahi/discussions/622) ⭐ | Tartışma | | [Etkileşimli Sonuç Görselleştirme ve İnceleme](https://github.com/obss/sahi/discussions/624) ⭐ | Tartışma | | [Video Inference Desteği](https://github.com/obss/sahi/discussions/626) | Tartışma | | [Dilimleme Operasyonları Notebook'u](https://github.com/obss/sahi/blob/main/demo/slicing.ipynb) | Notebook | | [Tam Dokümantasyon](index.md) | Doküman | ### Notebook'lar & Demolar | Kütüphane | Notebook | Demo | | ------------------ | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | --------------------------------------------------------------------------------------------------------------------------------------------------------- | | YOLO26 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/obss/sahi/blob/main/demo/inference_for_ultralytics.ipynb) | - | | YOLO11 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/obss/sahi/blob/main/demo/inference_for_ultralytics.ipynb) | - | | YOLO11-OBB | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/obss/sahi/blob/main/demo/inference_for_ultralytics.ipynb) | - | | YOLOE | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/obss/sahi/blob/main/demo/inference_for_ultralytics_yoloe.ipynb) | - | | Roboflow / RF-DETR | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/obss/sahi/blob/main/demo/inference_for_roboflow.ipynb) | - | | RT-DETR v2 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/obss/sahi/blob/main/demo/inference_for_huggingface.ipynb) | - | | RT-DETR | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/obss/sahi/blob/main/demo/inference_for_rtdetr.ipynb) | - | | HuggingFace | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/obss/sahi/blob/main/demo/inference_for_huggingface.ipynb) | - | | GroundingDINO | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/obss/sahi/blob/main/demo/inference_for_groundingdino.ipynb) | - | | YOLOv5 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/obss/sahi/blob/main/demo/inference_for_yolov5.ipynb) | - | | MMDetection | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/obss/sahi/blob/main/demo/inference_for_mmdetection.ipynb) | - | | Detectron2 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/obss/sahi/blob/main/demo/inference_for_detectron2.ipynb) | - | | TorchVision | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/obss/sahi/blob/main/demo/inference_for_torchvision.ipynb) | - | | YOLOX | - | [![HuggingFace Spaces](https://raw.githubusercontent.com/obss/sahi/main/resources/hf_spaces_badge.svg)](https://huggingface.co/spaces/fcakyon/sahi-yolox) | sahi-yolox ### Bağımsız Sliced/Standart Tahmin sahi-predict `sahi predict` komutunu kullanma hakkında detaylı bilgiyi [CLI dokümantasyonunda](cli.md#predict-command-usage) bulabilir ve gelişmiş kullanım için [prediction API'sini](predict.md) inceleyebilirsiniz. ### Hata Analizi Grafikleri & Değerlendirme sahi-analyse ### Etkileşimli Görselleştirme & İnceleme sahi-fiftyone Etkileşimli görselleştirme ve inceleme için [FiftyOne entegrasyonunu](fiftyone.md) inceleyin. ### Diğer Araçlar YOLO dönüştürme, veri kümesi dilimleme, alt örnekleme, filtreleme, birleştirme ve bölme operasyonları için [kapsamlı COCO araçları kılavuzunu](coco.md) kontrol edin. Görsel ve veri kümesi dilimleme parametreleri üzerinde detaylı kontrol için [dilimleme araçları dokümanını](slicing.md) inceleyin. ##
Atıf (Citation)
Çalışmalarınızda bu paketi kullanıyorsanız lütfen şu şekilde atıfta bulunun: ```bibtex @article{akyon2022sahi, title={Slicing Aided Hyper Inference and Fine-tuning for Small Object Detection}, author={Akyon, Fatih Cagatay and Altinuc, Sinan Onur and Temizel, Alptekin}, journal={2022 IEEE International Conference on Image Processing (ICIP)}, doi={10.1109/ICIP46576.2022.9897990}, pages={966-970}, year={2022} } ``` ```bibtex @software{obss2021sahi, author = {Akyon, Fatih Cagatay and Cengiz, Cemil and Altinuc, Sinan Onur and Cavusoglu, Devrim and Sahin, Kadir and Eryuksel, Ogulcan}, title = {{SAHI: A lightweight vision library for performing large scale object detection and instance segmentation}}, month = nov, year = 2021, publisher = {Zenodo}, doi = {10.5281/zenodo.5718950}, url = {https://doi.org/10.5281/zenodo.5718950} } ``` ##
Katkıda Bulunma
Katkılarınızı memnuniyetle karşılıyoruz! Başlamak için lütfen [Katkıda Bulunma Kılavuzumuzu](contributing.md) inceleyin. Tüm katkıda bulunanlara teşekkür ederiz! 🙏