012、小目标标注总被忽略？SAHI 切片策略与超大图标注的工程化方案

012、小目标标注总被忽略？SAHI 切片策略与超大图标注的工程化方案

从一次深夜调试说起

去年做遥感图像检测项目，客户给了一张 2 万像素 × 2 万像素的卫星图，里面密密麻麻的车辆、船只，最小的目标只有 8×8 像素。我直接扔进 YOLOv8 训练，mAP 0.5 勉强到 0.3，小目标 recall 几乎为零。更离谱的是，标注人员告诉我：“那些小点我根本没标，因为看不清，而且标注工具里缩放太麻烦。”

这不是个例。小目标标注被忽略，本质上是两个问题叠加：一是标注工具在大图上操作困难，二是模型在原始分辨率下对小目标感知力不足。SAHI（Slicing Aided Hyper Inference）切片策略，就是专门解决这个痛点的工程化方案。

为什么直接训练大图会失败？

先别急着上切片。你得理解为什么大图直接训练不行。

YOLO 系列在输入尺寸上有限制，通常 640×640 或 1280×1280。你把 2 万像素的图 resize 到 640，小目标直接变成 0.2 像素——模型根本看不见。有人会说“那我用大分辨率输入”，但显存扛不住，batch size 降到 1 都爆显存。

更隐蔽的问题是标注质量。标注员在超大图上标注，缩放比例失调，小目标很容易被漏标、错标。我见过一个项目，标注员把 10 像素的汽车标成了 5 像素的矩形框，因为缩放后鼠标点不准。这种标注噪声，比模型本身的误差更致命。

SAHI 切片策略：把大图拆成小图

SAHI 的核心思想很简单：训练和推理时，把大图切成若干小图，每个小图独立检测，最后合并结果。但这里有几个坑，我踩过之后才明白。

切片参数怎么设？

切片大小和重叠率是关键。切片太小，目标被切碎；切片太大，小目标依然不明显。

我的经验公式：切片大小 = 模型输入尺寸 × 1.5 到 2 倍。比如 YOLOv8 输入 640，切片用 960 或 1280。重叠率至少 30%，否则边界处的目标会被截断。遥感图像我常用 50% 重叠，因为目标分布密集。

代码实现时，注意边界处理。别这样写：

# 错误示范：直接整除切片，边界目标丢失foriinrange(0,img_height,slice_size):forjinrange(0,img_width,slice_size):slice_img=img[i:i+slice_size,j:j+slice_size]

这里踩过坑：当图像尺寸不是切片大小的整数倍时，最后一行/列会丢失。正确做法是计算实际切片数量，确保覆盖全图：

# 正确做法：计算切片数量，处理边界num_slices_y=math.ceil((img_height-overlap)/(slice_size-overlap))num_slices_x=math.ceil((img_width-overlap)/(slice_size-overlap))foriinrange(num_slices_y):forjinrange(num_slices_x):y_start=i*(slice_size-overlap)x_start=j*(slice_size-overlap)# 确保不越界y_end=min(y_start+slice_size,img_height)x_end=min(x_start+slice_size,img_width)# 如果切片尺寸不足，用padding补全ify_end-y_start<slice_sizeorx_end-x_start<slice_size:# 这里用0填充或镜像填充，看场景pass

标注怎么同步切片？

训练时，标注框也要跟着切片。SAHI 官方库提供了切片标注的功能，但有个坑：它默认只保留完全落在切片内的目标。对于跨切片的目标，直接丢弃会导致训练数据丢失。

我的做法是：保留与切片有交集的任何目标，但只取交集部分作为新标注。这样虽然会引入一些截断的目标，但总比丢掉好。推理时再用 NMS 合并。

# 保留跨切片目标，只取交集defslice_annotation(bbox,slice_bbox):x1=max(bbox[0],slice_bbox[0])y1=max(bbox[1],slice_bbox[1])x2=min(bbox[2],slice_bbox[2])y2=min(bbox[3],slice_bbox[3])ifx2>x1andy2>y1:# 转换到切片坐标系return[x1-slice_bbox[0],y1-slice_bbox[1],x2-slice_bbox[0],y2-slice_bbox[1]]returnNone

超大图标注的工程化方案

切片解决了模型训练的问题，但标注环节才是真正的瓶颈。标注员面对 2 万像素的图，效率极低。我试过几种方案，最终选了一个折中。

方案一：先切片再标注

把大图切成 640×640 的小图，让标注员在小图上标注。优点是标注精度高，小目标不会被忽略。缺点是切片数量爆炸，2 万像素的图切成 640 大小，重叠 50%，能切出上千张小图。标注员要标注上千张图，重复劳动多。

方案二：标注大图，训练时切片

标注员在大图上标注，训练时程序自动切片。优点是标注工作量小，一张图标一次。缺点是大图上标注小目标容易漏，而且标注工具在大图上操作卡顿。

方案三：混合策略（推荐）

我最终用的是这个：先在大图上标注大目标（比如建筑、道路），然后自动切片，让标注员在小图上补充标注小目标（车辆、行人）。这样大目标不会漏，小目标也能精确标注。

具体流程：

1. 标注员在大图上标注面积大于 1000 像素的目标（大目标）
2. 程序自动将大图切成 640×640 小图，重叠 30%
3. 标注员在小图上标注面积小于 1000 像素的目标（小目标）
4. 程序合并标注结果，去重

去重逻辑要注意：同一个目标可能出现在多个切片中，用 IoU 阈值 0.5 合并。这里踩过坑：如果阈值设太低，会把相邻的不同目标合并成一个。

推理时的 SAHI 合并策略

训练完模型，推理时也要切片。SAHI 的推理流程：

1. 将大图切成小图，每个小图独立推理
2. 每个小图的检测结果转换回原图坐标系
3. 用 NMS 合并重叠的检测框

NMS 的 IoU 阈值要调低，我通常用 0.3。因为同一个目标可能出现在多个切片中，检测框位置有偏移，阈值太高会保留重复框。

还有一个细节：切片边缘的目标检测置信度通常较低，因为目标被截断。我加了一个后处理：如果检测框距离切片边界小于 10 像素，且置信度低于 0.5，直接丢弃。这能减少大量假阳性。

# 边缘低置信度过滤deffilter_edge_boxes(boxes,scores,slice_bbox,margin=10):filtered_boxes,filtered_scores=[],[]forbox,scoreinzip(boxes,scores):x1,y1,x2,y2=box# 检查是否靠近切片边界if(x1-slice_bbox[0]<marginory1-slice_bbox[1]<marginorslice_bbox[2]-x2<marginorslice_bbox[3]-y2<margin):ifscore<0.5:continuefiltered_boxes.append(box)filtered_scores.append(score)returnfiltered_boxes,filtered_scores

性能优化：别让切片拖慢推理

切片推理的最大问题是速度。一张大图切成 100 张小图，每张都要过模型，推理时间增加 100 倍。我试过几种优化：

1. 批量推理：把切片组成 batch，一次推理多张。注意 batch size 不要太大，否则显存爆炸。我通常用 4 或 8。

2. 跳过空白切片：如果切片内没有目标（比如全是天空或水面），直接跳过。可以用简单的像素方差判断，方差小于阈值就跳过。

3. 多尺度切片：大目标用大切片，小目标用小切片。比如 1280 切片检测大目标，640 切片检测小目标，合并结果。这能减少切片数量。

4. ONNX 加速：把模型转 ONNX，推理速度提升 30% 以上。YOLOv8 官方支持导出 ONNX，一行代码搞定。

个人经验性建议

1. 别迷信 SAHI 能解决所有小目标问题。它只是工程手段，模型本身对小目标的感知能力才是根本。如果目标只有 4×4 像素，切片也救不了。考虑超分辨率或特征金字塔改进。

2. 标注质量比模型更重要。我见过太多项目花大量时间调模型，结果标注数据一塌糊涂。先花一周做标注质量检查，比调一周模型参数有效。

3. 切片大小不是越大越好。有人觉得切片大能保留更多上下文，但小目标在切片内占比反而更小。我做过实验，640 切片比 1280 切片在小目标 recall 上高 5 个点。

4. 重叠率 30% 是底线。低于 30%，边界目标丢失严重。高于 50%，计算量翻倍，收益递减。

5. 标注工具选对能省一半时间。LabelImg 在大图上卡死，用 CVAT 或 Supervisely 的远程标注功能，支持大图缩放和切片标注。别省这个钱。

最后说一句：小目标检测没有银弹。SAHI 切片是工程上的妥协，它让不可能变成可能，但代价是计算量和标注工作量。如果你的项目对实时性要求高，切片推理可能不适用。这时候，考虑模型结构改进，比如 YOLOv8 的 P2 层或 YOLOv6 的 RepVGG 结构，才是正道。