LogoClawIndex
案例技能关于
LogoClawIndex

sahi-inference - 使用 SAHI 切片推断在大图上进行目标检测

通过将大图切割为重叠切片并独立运行检测,再将预测结果合并回全图坐标系。

标签

更新于: 2026-09-21

能力

典型输入

典型输出

该技能可以做什么

  • 使用 AutoDetectionModel 加载检测模型
  • 对大尺寸图像执行切片推断
  • 配置切片尺寸和重叠比例
  • 使用 NMS 或 NMM 合并预测
  • 生成 SAHI 推断代码
  • 优化 SAHI 推断管线
  • 解释 SAHI 切片与合并原理
  • 设计切片推断练习

输入

  • 大尺寸图像或无人机正射影像
  • 目标检测模型权重
  • 切片尺寸与重叠比例参数
  • 后处理配置与阈值

输出

  • 全图坐标下的目标检测框结果
  • 生成的 SAHI Python 代码
  • 管线性能优化建议
  • 切片推断练习与解答

要求

  • Python 包 sahi
  • 支持的模型后端包如 ultralytics 或 torchvision
  • CUDA 或 MPS 计算设备

来源

  • 规范: SKILL.md

ClawIndex

OpenClaw Skills 与 Use Case 索引

ClawIndex 是一个生态驱动的 OpenClaw Skills 与真实 Use Case 索引站。

索引

Skills·
Cases

Meta

关于·
声明·
邮箱·
GitHub
© 2026 ClawIndex 保留所有权利。
sahi
切片推断
目标检测
大图检测
nms合并
使用 AutoDetectionModel 加载检测模型
对大尺寸图像执行切片推断
配置切片尺寸和重叠比例
使用 NMS 或 NMM 合并预测
大尺寸图像或无人机正射影像
目标检测模型权重
切片尺寸与重叠比例参数
全图坐标下的目标检测框结果
生成的 SAHI Python 代码
管线性能优化建议