obss/sahi

O que é?

Recursos principais

• 01Inferência por recortes, que executa a detecção em partes da imagem e combina os resultados nas coordenadas da imagem original.
• 02API e CLI unificadas para modelos do Ultralytics, MMDetection, Hugging Face, TorchVision, Detectron2, YOLOv5 e RF-DETR.
• 03Predição em vídeos e imagens pela linha de comando.
• 04Utilitários COCO para recortar, subamostrar, filtrar, combinar, dividir e converter datasets para o formato YOLO.
• 05Avaliação de COCO AP e AR por classe e exportação de gráficos de análise de erros.
• 06Inspeção interativa dos resultados pelo app FiftyOne.

Casos de uso

• Detectar objetos pequenos, como veículos ou pessoas, em imagens aéreas ou de satélite de alta resolução.
• Executar inferência em imagens grandes de vigilância ou inspeção industrial sem reduzir a resolução.
• Converter e recortar datasets COCO antes de treinar um modelo YOLO.
• Analisar onde um detector falha gerando gráficos de análise de erros.

Início rápido

1. 1

   Instale o SAHI pelo PyPI

   pip install sahi
2. 2

   Instale o PyTorch e o torchvision compatíveis com seu hardware (consulte Detailed Installation no README)

   pip install torch==2.13.0 torchvision==0.28.0 --index-url https://download.pytorch.org/whl/cu130
3. 3

   Instale um framework de detecção, como o ultralytics

   pip install ultralytics>=8.3.161

Antes de usar

• !Para usar todos os recursos, é necessário instalar separadamente um framework de detecção e o PyTorch, o que aumenta o trabalho de configuração.
• !A inferência em fatias executa o detector em vários blocos, por isso é mais lenta que a predição padrão.

Em coleções

Tópicos

Perguntas frequentes

O que é sahi?

Uma biblioteca Python para inferência por recortes, que executa modelos de detecção de objetos em partes de imagens grandes para encontrar objetos pequenos. O SAHI (Slicing Aided Hyper Inference) resolve um problema comum em detecção de objetos: objetos pequenos ficam difíceis de detectar quando uma imagem grande é redimensionada para o tamanho de entrada do modelo. A biblioteca divide as imagens em recortes sobrepostos, executa a detecção em cada recorte e combina os resultados nas coordenadas da imagem original.

sahi é gratuito? Qual é a licença?

sahi é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.

sahi ainda é mantido?

Manutenção ativa. O último commit de sahi foi em 1 de nov. de 2026.

Para que posso usar sahi?

Detectar objetos pequenos, como veículos ou pessoas, em imagens aéreas ou de satélite de alta resolução. Executar inferência em imagens grandes de vigilância ou inspeção industrial sem reduzir a resolução. Converter e recortar datasets COCO antes de treinar um modelo YOLO. Analisar onde um detector falha gerando gráficos de análise de erros.

Como instalar sahi?

Instale o SAHI pelo PyPI: pip install sahi Instale o PyTorch e o torchvision compatíveis com seu hardware (consulte Detailed Installation no README): pip install torch==2.13.0 torchvision==0.28.0 --index-url https://download.pytorch.org/whl/cu130 Instale um framework de detecção, como o ultralytics: pip install ultralytics>=8.3.161

Onde consigo sahi?

O código-fonte e as instruções de instalação estão no GitHub: https://github.com/obss/sahi