对象检测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，这是因为小目标物体有效特征少，覆盖范围少。小目标物体的定义通常有两种方式。一种是绝对尺度定义，即以物体的像素尺寸来判断是否为小目标，如在COCO数据集中，尺寸小于32×32像素的目标被判定为小目标。另外一种是相对尺度定义，即以物体在图像中的占比面积比例来判断是否为小目标，例如国际光学工程学会SPIE定义，若目标尺寸小于原图的0.12%则可以判定成小目标。

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。如果想进一步了解SAHI具体工作性能和原理，可以阅读官方发表的论文：Slicing Aided Hyper Inference and Fine-Tuning for Small Object Detection。

SAHI安装指令如下：

pip install sahi

本文所有算法展示效果和代码见：

github: Python-Study-Notes

目录
1 SAHI使用
1.1 图像切片
1.1.1 单张图像切片
1.1.2 COCO数据集切片
1.2 图像预测
1.2.1 接口介绍
1.2.2 应用实例
1.3 SAHI工具函数
1.3.1 coco数据集制作与精度分析
1.3.2 coco数据集处理
1.3.3 coco数据集转换
1.4 总结
2 参考

1 SAHI使用

import sahi

# 打印sahi版本

print(sahi.__version__)

0.11.6

1.1 图像切片

SAHI提供了封装好的函数接口，以切分输入图像和其标注数据。切分后的子图及其标注数据可以用于识别，或者保存为本地数据以供模型训练。

1.1.1 单张图像切片

SAHI提供slice_image函数以切分单张图片及其标注文件（仅支持coco标注文件），slice_image函数接口介绍如下：

# 返回SAHI的图像分片结果类SliceImageResult

def slice_image(

    image: Union[str, Image.Image], # 单张图像地址或单个pillow image对象，必填参数

    coco_annotation_list: Optional[CocoAnnotation] = None, # coco标注文件

    output_file_name: Optional[str] = None, # 输出文件名前缀

    output_dir: Optional[str] = None, # 输出文件地址

    slice_height: int = None, # 子图切分高度

    slice_width: int = None, # 子图切分宽度

    overlap_height_ratio: float = None, # 子图高度间的重叠率

    overlap_width_ratio: float = None, # 子图宽度间的重叠率

    auto_slice_resolution: bool = True, # 如果没有设置slice_height和slice_width，则自动确定slice_height、slice_width、overlap_height_ratio、overlap_width_ratio

    min_area_ratio: float = 0.1, # 子图中标注框小于原始标注框占比，则放弃该标注框

    out_ext: Optional[str] = None, # 图像后缀格式

    verbose: bool = False, # 是否打印详细信息

)

slice_image函数源代码位于sahi/slicing.py中，这段代码可以单步调试看看怎么运行的，主要逻辑如下：

获得pillow image图像对象

调用get_slice_bboxes函数切分图像

获得切分参数

if slice_height and slice_width:

    # 计算重叠像素

    y_overlap = int(overlap_height_ratio * slice_height)

    x_overlap = int(overlap_width_ratio * slice_width)

elif auto_slice_resolution:

    x_overlap, y_overlap, slice_width, slice_height = get_auto_slice_params(height=image_height, width=image_width)

循环切分图像

# 行循环

while y_max < image_height:

    # 设置起始切分坐标

    x_min = x_max = 0

    y_max = y_min + slice_height

    # 列循环

    while x_max < image_width:

        x_max = x_min + slice_width

        # 如果图像不够切分，框往左或往上移动

        if y_max > image_height or x_max > image_width:

            xmax = min(image_width, x_max)

            ymax = min(image_height, y_max)

            xmin = max(0, xmax - slice_width)

            ymin = max(0, ymax - slice_height)

            slice_bboxes.append([xmin, ymin, xmax, ymax])

        else:

            slice_bboxes.append([x_min, y_min, x_max, y_max])

        # 下一次切分从本次切分图像x_max-x_overlap开始

        x_min = x_max - x_overlap

    y_min = y_max - y_overlap

保存图片结果和标注结果，并包装返回SliceImageResult对象

以下代码演示了对单张图片进行切片，并将切分后的子图保存到本地。

展示原图

# 展示输入图片

from PIL import Image

# 图像地址：https://github.com/obss/sahi/tree/main/demo/demo_data

image_path = "image/small-vehicles1.jpeg"

img = Image.open(image_path).convert('RGB')

img

切分图片

from sahi.slicing import slice_image

# 输出文件名前缀

output_file_name = "slice"

# 输出文件夹

output_dir = "result"

# 切分图像

slice_image_result = slice_image(

    image=image_path,

    output_file_name=output_file_name,

    output_dir=output_dir,

    slice_height=256,

    slice_width=256,

    overlap_height_ratio=0.2,

    overlap_width_ratio=0.2,

    verbose=False,

)

print("原图宽{}，高{}".format(slice_image_result.original_image_width, slice_image_result.original_image_height))

# 切分后的子图以形式：图像前缀_所在原图顶点坐标来保存文件

print("切分子图{}张".format(len(slice_image_result.filenames)))

原图宽1068，高580

切分子图15张

展示切分后的子图

import matplotlib.pyplot as plt

from PIL import Image

import math

import os

axarr_row = 3

axarr_col = math.ceil(len(slice_image_result.filenames)/axarr_row)

f, axarr = plt.subplots(axarr_row, axarr_col, figsize=(14,7))

for index, file in enumerate(slice_image_result.filenames):

    img = Image.open(os.path.join(slice_image_result.image_dir,file))

    axarr[int(index/axarr_col), int(index%axarr_col)].imshow(img)

1.1.2 COCO数据集切片

SAHI提供slice_coco函数以切分coco数据集（仅支持coco数据集）。slice_coco函数接口介绍如下：

# 返回切片后的coco标注字典文件，coco文件保存地址

def slice_coco(

    coco_annotation_file_path: str, # coco标注文件

    image_dir: str, # coco图像集地址

    output_coco_annotation_file_name: str, # 输出coco标注集文件名，不需要加文件类型后缀

    output_dir: Optional[str] = None, # 输出文件地址

    ignore_negative_samples: bool = False, # 是否忽略没有标注框的子图

    slice_height: int = 512, # 切分子图高度

    slice_width: int = 512, # 切分子图宽度

    overlap_height_ratio: float = 0.2, # 子图高度之间的重叠率

    overlap_width_ratio: float = 0.2, # 子图宽度之间的重叠率

    min_area_ratio: float = 0.1, # 如果没有设置slice_height和slice_width，则自动确定slice_height、slice_width、overlap_height_ratio、overlap_width_ratio

    out_ext: Optional[str] = None,  # 保存图像的扩展

    verbose: bool = False, # 是否打印详细信息

)

slice_coco函数源代码位于sahi/slicing.py中，这段代码可以单步调试看看怎么做的，主要逻辑如下：

读取coco文件和图片信息
循环读取coco数据集的图片，每张图片调用get_slice_bboxes函数切分图像
创建coco dict结果并保存文件

以下代码演示了对coco数据集进行切片，并将切分后的子图和标注文件保存到本地。coco数据集可以包含若干张图片，但是以下代码示例中只包含一张图片，方便演示。

展示数据集

# 展示图像

from PIL import Image, ImageDraw

from sahi.utils.file import load_json

import matplotlib.pyplot as plt

import os

# coco图像集地址

image_path = "image"

# coco标注文件

coco_annotation_file_path="image/terrain2_coco.json"

# 加载数据集

coco_dict = load_json(coco_annotation_file_path)

f, axarr = plt.subplots(1, 1, figsize=(8, 8))

# 读取图像

img_ind = 0

img = Image.open(os.path.join(image_path,coco_dict["images"][img_ind]["file_name"])).convert('RGBA')

# 绘制标注框

for ann_ind in range(len(coco_dict["annotations"])):

    xywh = coco_dict["annotations"][ann_ind]["bbox"]

    xyxy = [xywh[0], xywh[1], xywh[0] + xywh[2], xywh[1] + xywh[3]]

    ImageDraw.Draw(img, 'RGBA').rectangle(xyxy, width=5)

axarr.imshow(img)

<matplotlib.image.AxesImage at 0x210a7583250>

切分数据集

from sahi.slicing import slice_coco

# 保存的coco数据集标注文件名

output_coco_annotation_file_name="sliced"

# 输出文件夹

output_dir = "result"

# 切分数据集

coco_dict, coco_path = slice_coco(

    coco_annotation_file_path=coco_annotation_file_path,

    image_dir=image_path,

    output_coco_annotation_file_name=output_coco_annotation_file_name,

    ignore_negative_samples=False,

    output_dir=output_dir,

    slice_height=320,

    slice_width=320,

    overlap_height_ratio=0.2,

    overlap_width_ratio=0.2,

    min_area_ratio=0.2,

    verbose=False

)

print("切分子图{}张".format(len(coco_dict['images'])))

print("获得标注框{}个".format(len(coco_dict['annotations'])))

indexing coco dataset annotations...

Loading coco annotations: 100%|█████████████████████████████████████████████████████████| 1/1 [00:00<00:00, 334.21it/s]

100%|████████████████████████████████████████████████████████████████████████████████████| 1/1 [00:00<00:00, 11.80it/s]

切分子图12张

获得标注框18个

展示切分后的子图和标注框

axarr_row = 3

axarr_col = math.ceil(len(coco_dict['images']) / axarr_row)

f, axarr = plt.subplots(axarr_row, axarr_col, figsize=(10, 7))

for index, img in enumerate(coco_dict['images']):

    img = Image.open(os.path.join(output_dir, img["file_name"]))

    for ann_ind in range(len(coco_dict["annotations"])):

        # 搜索与当前图像匹配的边界框

        if coco_dict["annotations"][ann_ind]["image_id"] == coco_dict["images"][index]["id"]:

            xywh = coco_dict["annotations"][ann_ind]["bbox"]

            xyxy = [xywh[0], xywh[1], xywh[0] + xywh[2], xywh[1] + xywh[3]]

            # 绘图

            ImageDraw.Draw(img, 'RGBA').rectangle(xyxy, width=5)

    axarr[int(index / axarr_col), int(index % axarr_col)].imshow(img)

1.2 图像预测

1.2.1 接口介绍

SHAI提供了图像切片预测的封装接口，具体的函数接口如下：

AutoDetectionModel类

SAHI基于AutoDetectionModel类的from_pretrained函数加载深度学习模型。目前支持YOLOv5 models, MMDetection models, Detectron2 models和HuggingFace object detection models等深度学习模型库，如果想支持新的模型库,可以参考sahi/models目录下的模型文件，新建模型检测类。

模型预测

基于get_prediction函数调用模型预测单张图片，也就是直接调用AutoDetectionModel类提供的模型，直接推理单张图片。

基于get_sliced_prediction函数以切分图片的方式进行预测。在get_sliced_prediction函数内部会先切分图片，然后对每个子图单独进行模型推理；如果设置了对整张原图进行推理，那么也会整合原图推理的结果以增加模型精度。最后对所有的预测结果进行nms整合，相近的两个预测框也会进行合并。get_sliced_prediction函数接口如下：

def get_sliced_prediction(

    image,

    detection_model=None,

    slice_height: int = None,

    slice_width: int = None,

    overlap_height_ratio: float = 0.2,

    overlap_width_ratio: float = 0.2,

    perform_standard_pred: bool = True, # 是否单独对原图进行识别

    postprocess_type: str = "GREEDYNMM", # 合并结果的方式，可选'NMM', 'GRREDYNMM'， 'NMS'

    postprocess_match_metric: str = "IOS", # NMS匹配方式IOU或者IOS

    postprocess_match_threshold: float = 0.5, # 匹配置信度

    postprocess_class_agnostic: bool = False, # 在合并结果时，是否将不同类别的检测框放在一起处理

    verbose: int = 1,

    merge_buffer_length: int = None, # 低配设备使用，以加快处理

    auto_slice_resolution: bool = True,

)

基于predict函数进行批处理，predict函数进一步封装了识别代码，如果想使用该函数，阅读predict源代码参数接口即可。

1.2.2 应用实例

直接预测图片

from sahi import AutoDetectionModel

from sahi.predict import get_prediction

# 初始化检测模型，缺少yolov5代码，pip install yolov5即可

detection_model = AutoDetectionModel.from_pretrained(

    model_type='yolov5', # 模型类型

    model_path='./yolov5n.pt', # 模型文件路径

    confidence_threshold=0.3, # 检测阈值

    device="cpu",  # or 'cuda:0'

);

image = 'image/small-vehicles1.jpeg'

# 获得模型直接预测结果

result = get_prediction(image, detection_model)

# result是SAHI的PredictionResult对象，可获得推理时间，检测图像，检测图像尺寸，检测结果

# 查看标注框，可以用于保存为其他格式

for pred in result.object_prediction_list:

    bbox = pred.bbox  # 标注框BoundingBox对象，可以获得边界框的坐标、面积

    category = pred.category  # 类别Category对象，可获得类别id和类别名

    score = pred.score.value  # 预测置信度

# 保存文件结果

export_dir = "result"

file_name = "res"

result.export_visuals(export_dir=export_dir, file_name=file_name)

# 展示结果

from PIL import Image

import os

image_path = os.path.join(export_dir,file_name+'.png')

img = Image.open(image_path).convert('RGB')

img

切片预测图片

from sahi import AutoDetectionModel

from sahi.predict import get_sliced_prediction

# 初始化检测模型

detection_model = AutoDetectionModel.from_pretrained(

    model_type='yolov5',

    model_path='yolov5n.pt',

    confidence_threshold=0.3,

    device="cpu",  # or 'cuda:0'

)

image = 'image/small-vehicles1.jpeg'

result = get_sliced_prediction(

    image,

    detection_model,

    slice_height = 256,

    slice_width = 256,

    overlap_height_ratio = 0.2,

    overlap_width_ratio = 0.2,

    perform_standard_pred = True,

)

# result是SAHI的PredictionResult对象，可获得推理时间，检测图像，检测图像尺寸，检测结果

# 查看标注框，可以用于保存为其他格式

for pred in result.object_prediction_list:

    bbox = pred.bbox  # 标注框BoundingBox对象，可以获得边界框的坐标、面积

    category = pred.category  # 类别Category对象，可获得类别id和类别名

    score = pred.score.value  # 预测置信度

# 保存文件结果

export_dir = "result"

file_name = "res"

result.export_visuals(export_dir=export_dir, file_name=file_name)

# 结果导出为coco标注形式

coco_anno = result.to_coco_annotations()

# 结果导出为coco预测形式

coco_pred = result.to_coco_predictions()

# 展示结果

from PIL import Image

import os

image_path = os.path.join(export_dir,file_name+'.png')

img = Image.open(image_path).convert('RGB')

img

Performing prediction on 15 number of slices.

相对单张图片直接识别，通过切片的方式能够识别到更多的小目标。由于使用的模型是yolov5n，可以看到一些识别结果不正确，比如同一辆车在不同子图被分别识别为卡车或汽车，一种好的解决办法是将postprocess_class_agnostic参数设置为True，将不同类别的检测框放在一起进行合并，同时降低 postprocess_match_threshold以滤除结果。

image = 'image/small-vehicles1.jpeg'

result = get_sliced_prediction(

    image,

    detection_model,

    slice_height = 256,

    slice_width = 256,

    overlap_height_ratio = 0.2,

    overlap_width_ratio = 0.2,

    perform_standard_pred = True,

    postprocess_match_threshold = 0.2,

    postprocess_class_agnostic = True,

)

# 保存文件结果

export_dir = "result"

file_name = "res"

result.export_visuals(export_dir=export_dir, file_name=file_name)

# 展示结果

from PIL import Image

import os

image_path = os.path.join(export_dir,file_name+'.png')

img = Image.open(image_path).convert('RGB')

img

Performing prediction on 15 number of slices.

1.3 SAHI工具函数

SAHI提供多个工具函数以处理COCO数据集，具体使用可以阅读sahi-docs-coco。

1.3.1 coco数据集制作与精度分析

以下代码创建了coco标注数据，并保存到本地

from sahi.utils.file import save_json

from sahi.utils.coco import Coco, CocoCategory, CocoImage, CocoAnnotation,CocoPrediction

# 创建coco对象

coco = Coco()

# 添加类

coco.add_category(CocoCategory(id=0, name='human'))

coco.add_category(CocoCategory(id=1, name='vehicle'))

# 循环遍历图像

for i in range(3):

    # 创建单个图像

    coco_image = CocoImage(

        file_name="image{}.jpg".format(i), height=1080, width=1920)

    # 添加图像对应的标注

    coco_image.add_annotation(

        CocoAnnotation(

            # [x_min, y_min, width, height]

            bbox=[0, 0, 200, 200],

            category_id=0,

            category_name='human'

        )

    )

    coco_image.add_annotation(

        CocoAnnotation(

            bbox=[200, 100, 300, 300],

            category_id=1,

            category_name='vehicle'

        )

    )

    # 添加图像预测数据

    coco_image.add_prediction(

      CocoPrediction(

        score=0.864434,

        bbox=[0, 0, 150, 150],

        category_id=0,

        category_name='human'

      )

    )

    coco_image.add_prediction(

      CocoPrediction(

        score=0.653424,

        bbox=[200, 100, 250, 200],

        category_id=1,

        category_name='vehicle'

      )

)

    # 将图像添加到coco对象

    coco.add_image(coco_image)

# 提取json标注数据，不会保存图像预测结果

coco_json = coco.json

# 将json标注数据保存为json本地文件

save_json(coco_json, "coco_dataset.json")

# 提取预测结果json文件，并保存到本地

predictions_array = coco.prediction_array

save_json(predictions_array, "coco_predictions.json")

当我们获得了预测数据，我们可以基于pycocotools工具分析预测数据的精度，pycocotools是目标检测必备工具，官方仓库地址为cocoapi，结果分析代码如下：

# 需要单独安装pycocotools

from pycocotools.cocoeval import COCOeval

from pycocotools.coco import COCO

coco_ground_truth = COCO(annotation_file="coco_dataset.json")

coco_predictions = coco_ground_truth.loadRes("coco_predictions.json")

coco_evaluator = COCOeval(coco_ground_truth, coco_predictions, "bbox")

# 进行匹配计算

coco_evaluator.evaluate()

# 进行结果的累加

coco_evaluator.accumulate()

# 输出结果

coco_evaluator.summarize()

loading annotations into memory...

Done (t=0.00s)

creating index...

index created!

Loading and preparing results...

DONE (t=0.00s)

creating index...

index created!

Running per image evaluation...

Evaluate annotation type *bbox*

DONE (t=0.00s).

Accumulating evaluation results...

DONE (t=0.01s).

 Average Precision  (AP) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.200

 Average Precision  (AP) @[ IoU=0.50      | area=   all | maxDets=100 ] = 1.000

 Average Precision  (AP) @[ IoU=0.75      | area=   all | maxDets=100 ] = 0.000

 Average Precision  (AP) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = -1.000

 Average Precision  (AP) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = -1.000

 Average Precision  (AP) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.200

 Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets=  1 ] = 0.200

 Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets= 10 ] = 0.200

 Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.200

 Average Recall     (AR) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = -1.000

 Average Recall     (AR) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = -1.000

 Average Recall     (AR) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.200

统计数据集标注信息

from sahi.utils.coco import Coco

coco = Coco.from_coco_dict_or_path("coco_dataset.json")

# 获得数据集状态，指标说明看字段名就能懂

stats = coco.stats

stats

indexing coco dataset annotations...

Loading coco annotations: 100%|████████████████████████████████████████████████████████| 3/3 [00:00<00:00, 1504.59it/s]

{'num_images': 3,

 'num_annotations': 6,

 'num_categories': 2,

 'num_negative_images': 0,

 'num_images_per_category': {'human': 3, 'vehicle': 3},

 'num_annotations_per_category': {'human': 3, 'vehicle': 3},

 'min_num_annotations_in_image': 2,

 'max_num_annotations_in_image': 2,

 'avg_num_annotations_in_image': 2.0,

 'min_annotation_area': 40000,

 'max_annotation_area': 90000,

 'avg_annotation_area': 65000.0,

 'min_annotation_area_per_category': {'human': 40000, 'vehicle': 90000},

 'max_annotation_area_per_category': {'human': 40000, 'vehicle': 90000}}

预测结果过滤

from sahi.utils.file import save_json

from sahi.utils.coco import remove_invalid_coco_results

# 去除预测结果中的无效边界框，如边界框坐标为负的结果

coco_results = remove_invalid_coco_results("coco_predictions.json")

save_json(coco_results, "fixed_coco_result.json")

# 根据数据集实际标注信息，进一步去除边界框坐标超过图像长宽的结果

coco_results = remove_invalid_coco_results("coco_predictions.json", "coco_dataset.json")

1.3.2 coco数据集处理

切分数据集

from sahi.utils.coco import Coco

# 指定coco文件

coco_path = "coco_dataset.json"

# 初始coco对象

coco = Coco.from_coco_dict_or_path(coco_path)

# 拆分数据集为训练集和验证集，训练集图像占比0.85

result = coco.split_coco_as_train_val(

  train_split_rate=0.85

)

# 保存训练集和验证集

save_json(result["train_coco"].json, "train_split.json")

save_json(result["val_coco"].json, "val_split.json")

indexing coco dataset annotations...

Loading coco annotations: 100%|████████████████████████████████████████████████████████| 3/3 [00:00<00:00, 3005.95it/s]

修改标注类别

from sahi.utils.coco import Coco

from sahi.utils.file import save_json

coco = Coco.from_coco_dict_or_path("coco_dataset.json")

print("标注类别：{}".format(coco.category_mapping))

# 修改数据集类别

# 将标注中human类的索引改为3，将原先vehicle类的标注删除

# 新加big_vehicle类和car类

desired_name2id = {

  "big_vehicle": 1,

  "car": 2,

  "human": 3

}

# 更新标注类别

coco.update_categories(desired_name2id)

print("修改后标注类别：{}".format(coco.category_mapping))

# 保存结果

save_json(coco.json, "updated_coco.json")

indexing coco dataset annotations...

Loading coco annotations: 100%|████████████████████████████████████████████████████████| 3/3 [00:00<00:00, 1002.78it/s]

标注类别：{0: 'human', 1: 'vehicle'}

修改后标注类别：{1: 'big_vehicle', 2: 'car', 3: 'human'}

按照标注框面积过滤数据集

from sahi.utils.coco import Coco

from sahi.utils.file import save_json

# 打开标注数据

coco = Coco.from_coco_dict_or_path("coco_dataset.json")

# 过滤包含标注框面积小于min的图像

area_filtered_coco = coco.get_area_filtered_coco(min=50000)

# 过滤标注框面积不在[min,max]的图像

area_filtered_coco = coco.get_area_filtered_coco(min=50, max=80000)

# 筛选同时符合多个类别面积要求的图像

intervals_per_category = {

  "human": {"min": 20, "max": 30000},

  "vehicle": {"min": 50, "max": 90000},

}

area_filtered_coco = coco.get_area_filtered_coco(intervals_per_category=intervals_per_category)

# 导出数据

save_json(area_filtered_coco.json, "area_filtered_coco.json")

indexing coco dataset annotations...

Loading coco annotations: 100%|████████████████████████████████████████████████████████| 3/3 [00:00<00:00, 1503.69it/s]

过滤无标注的图片

from sahi.utils.coco import Coco

from sahi.utils.file import save_json

# 去除无标注框的图片

coco = Coco.from_coco_dict_or_path("coco_dataset.json", ignore_negative_samples=True)

# 导出数据

# save_json(coco.json, "coco_ignore_negative.json")

indexing coco dataset annotations...

Loading coco annotations: 100%|████████████████████████████████████████████████████████| 3/3 [00:00<00:00, 3007.39it/s]

裁剪标注框

from sahi.utils.coco import Coco

from sahi.utils.file import save_json

coco_path = "coco_dataset.json"

# 将溢出边界框剪裁为图像宽度和高度

coco = Coco.from_coco_dict_or_path(coco_path, clip_bboxes_to_img_dims=True)

# 对已有coco对象，将溢出边界框剪裁为图像宽度和高度

coco = coco.get_coco_with_clipped_bboxes()

save_json(coco.json, "coco.json")

indexing coco dataset annotations...

Loading coco annotations: 100%|████████████████████████████████████████████████████████| 3/3 [00:00<00:00, 1007.04it/s]

合并coco数据集

# from sahi.utils.coco import Coco

# from sahi.utils.file import save_json

# coco_1 = Coco.from_coco_dict_or_path("coco1.json", image_dir="images_1/")

# coco_2 = Coco.from_coco_dict_or_path("coco2.json", image_dir="images_2/")

# # 合并数据集

# coco_1.merge(coco_2)

# # 保存

# save_json(coco_1.json, "merged_coco.json")

下采样数据集

from sahi.utils.coco import Coco

from sahi.utils.file import save_json

coco_path = "coco_dataset.json"

coco = Coco.from_coco_dict_or_path(coco_path)

# 用1/10的图像创建Coco对象

# subsample_ratio表示每10张图像取1张图像

subsampled_coco = coco.get_subsampled_coco(subsample_ratio=10)

# 仅对包含标注框为category_id的图像进行下采样,category_i=-1时表示负样本

subsampled_coco = coco.get_subsampled_coco(subsample_ratio=10, category_id=0)

# 保存数据集

save_json(subsampled_coco.json, "subsampled_coco.json")

indexing coco dataset annotations...

Loading coco annotations: 100%|████████████████████████████████████████████████████████| 3/3 [00:00<00:00, 1512.19it/s]

上采样数据集

from sahi.utils.coco import Coco

from sahi.utils.file import save_json

coco_path = "coco_dataset.json"

coco = Coco.from_coco_dict_or_path(coco_path)

# 每个样本重复10次

upsampled_coco = coco.get_upsampled_coco(upsample_ratio=10)

# 仅对包含标注框为category_id的图像进行采样,category_i=-1时表示负样本

subsampled_coco = coco.get_upsampled_coco(upsample_ratio=10, category_id=0)

# 导出数据集

save_json(upsampled_coco.json, "upsampled_coco.json")

indexing coco dataset annotations...

Loading coco annotations: 100%|████████████████████████████████████████████████████████| 3/3 [00:00<00:00, 1503.51it/s]

1.3.3 coco数据集转换

导出为yolov5格式并分割数据集

from sahi.utils.coco import Coco

# 注意image_dir路径

coco = Coco.from_coco_dict_or_path("coco_dataset.json", image_dir="images/")

# 导出为yolov5数据集格式，train_split_rate设置训练集数据比例

# coco.export_as_yolov5(

#   output_dir="output/",

#   train_split_rate=0.85

# )

indexing coco dataset annotations...

Loading coco annotations: 100%|████████████████████████████████████████████████████████| 3/3 [00:00<00:00, 1002.22it/s]

将训练集和验证集导出为yolov5格式

from sahi.utils.coco import Coco, export_coco_as_yolov5

# 注意image_dir路径

train_coco = Coco.from_coco_dict_or_path("train_split.json", image_dir="images/")

val_coco = Coco.from_coco_dict_or_path("val_split.json", image_dir="images/")

# 导出数据集

# data_yml_path = export_coco_as_yolov5(

#   output_dir="output",

#   train_coco=train_coco,

#   val_coco=val_coco

# )

indexing coco dataset annotations...

Loading coco annotations: 100%|████████████████████████████████████████████████████████| 2/2 [00:00<00:00, 1002.34it/s]

indexing coco dataset annotations...

Loading coco annotations: 100%|████████████████████████████████████████████████████████| 1/1 [00:00<00:00, 1003.42it/s]

1.4 总结

目标检测过程中，通过对高分辨率小目标图像进行滑动窗口切片，能够有效提高大分辨率小目标图像的识别精度。但是滑动切片识别有需要注意的地方：

需要图像数据集是否符合通用的高分辨小目标图像标准，如果对普通数据集进行切片识别容易拆分已有目标物体，这样做浪费推理时间也会导致最终检测结果精度不高。
滑动切片对识别模型的精度有一定的要求，一般来说模型越大精度越高，但是切片识别所花费的推理时间也越长。所以需要平衡模型精度和模型推理时间，而且也要确定滑动切片的尺度。
滑动切片识别在识别目标类别较少的任务中，识别精度更高，因为后处理能过滤很多重复识别检测框。

如果想了解其他的小目标识别方案，可以看看paddle家的paddledetection-smalldet。paddle提供了基于原图和基于切图的小目标识别方案，也提供了统计数据集尺寸分布的代码（该统计代码对某些特定的数据集效果不好，具体原因看看代码）。推荐看看PaddleDetection的小目标识别方案，做的很不错。

2 参考

sahi
sahi-demo
sahi-docs
Slicing Aided Hyper Inference and Fine-Tuning for Small Object Detection
sahi/slicing.py
sahi/models
sahi-docs-coco
cocoapi
paddledetection-smalldet

[深度学习] 基于切片辅助超推理库SAHI优化小目标识别的相关教程结束。