OBSS/SAHI项目CLI命令全解析：高效目标检测工具实战指南

OBSS/SAHI项目CLI命令全解析：高效目标检测工具实战指南

sahi Framework agnostic sliced/tiled inference + interactive ui + error analysis plots 项目地址: https://gitcode.com/gh_mirrors/sa/sahi

前言

OBSS/SAHI是一个专为小目标检测优化的开源工具库，其核心功能是通过切片推理技术提升检测精度。本文将全面解析SAHI提供的命令行接口(CLI)，帮助开发者快速掌握这个强大工具的使用方法。

核心预测命令：predict

predict是SAHI最核心的命令，用于执行切片推理任务。基本使用格式如下：

sahi predict --source 图像/文件/文件夹 --model_path 模型路径 --model_config_path 配置文件路径

关键参数解析

1. 输入源支持：

   • 支持单张图片、图片文件夹或视频文件
   • 视频处理时可添加--view_video实时查看结果
   • 视频控制快捷键：
     • D：前进100帧
     • A：后退100帧
     • G：前进20帧
     • F：后退20帧
     • Esc：退出

2. 切片参数：

   • --slice_width/--slice_height：切片尺寸（默认512）
   • --overlap_height_ratio/--overlap_width_ratio：切片重叠比例（默认0.1）

3. 模型配置：

   • --model_type：指定框架类型（mmdet或ultralytics）
   • --model_confidence_threshold：置信度阈值（默认0.25）

4. 后处理选项：

   • --postprocess_type：选择NMS或GREEDYNMM算法
   • --postprocess_match_metric：匹配度量标准（IOU或IOS）
   • --postprocess_match_threshold：匹配阈值（默认0.5）

5. 输出控制：

   • --export_pickle：导出预测结果为pickle文件
   • --export_crop：导出裁剪的预测区域
   • --novisual：不生成可视化结果

高级功能命令

COCO数据集处理

1. coco slice： 将COCO格式数据集切片处理，便于小目标检测训练

   sahi coco slice --image_dir 图像目录 --dataset_json_path 标注文件
   

2. coco yolo： 将COCO格式转换为YOLO格式（Windows需管理员权限）

   sahi coco yolo --image_dir 图像目录 --dataset_json_path 标注文件 --train_split 0.9
   

评估与分析

1. coco evaluate： 计算COCO标准评估指标

   sahi coco evaluate --dataset_json_path 标注文件 --result_json_path 预测结果
   

2. coco analyse： 生成详细的错误分析图表

   sahi coco analyse --dataset_json_path 标注文件 --result_json_path 预测结果
   

FiftyOne集成

1. predict-fiftyone： 直接在FiftyOne可视化界面中展示预测结果

   sahi predict-fiftyone --image_dir 图像目录 --model_path 模型路径
   

2. coco fiftyone： 在FiftyOne中对比多个检测结果

   sahi coco fiftyone --image_dir 图像目录 --dataset_json_path 标注文件 结果1.json 结果2.json
   

实用工具命令

1. env： 检查环境依赖版本

   sahi env
   

2. version： 查看SAHI版本

   sahi version
   

性能优化建议

1. 对于大视频文件处理，添加--frame_skip_interval参数跳过部分帧
2. 使用--no_sliced_prediction跳过切片推理可提升速度
3. 调整切片重叠比例平衡精度与速度
4. 合理设置置信度阈值减少后处理负担

结语

SAHI的CLI接口提供了从数据预处理、模型推理到结果分析的全流程工具链。通过合理组合这些命令，开发者可以快速构建高效的小目标检测流水线。建议从基础predict命令开始，逐步尝试其他高级功能，以充分发挥SAHI在小目标检测领域的优势。

sahi Framework agnostic sliced/tiled inference + interactive ui + error analysis plots 项目地址: https://gitcode.com/gh_mirrors/sa/sahi