Supervision: инструментарий компьютерного зрения

источник ↗ ·

Библиотека supervision — набор Python-инструментов для загрузки, обработки, визуализации и сохранения датасетов и детекций в задачах computer vision.

computer-vision python-library object-detection dataset-management annotation roboflow open-source

privacy

Эта заметка участвует в semantic memory.

AI Summary

Страница представляет собой навигационное меню GitHub и документацию библиотеки supervision от Roboflow.

📖 Что это такое Supervision — open-source Python-пакет (требуется Python ≥ 3.9) для работы с результатами моделей детекции, сегментации и классификации. Библиотека model-agnostic: поддерживает Ultralytics, Transformers, MMDetection, Inference, RF-DETR и другие.

🔑 Ключевые факты

  • Установка: pip install supervision (опционально pillow, rfdetr).
  • Основные сущности: sv.Detections, sv.DetectionDataset.
  • Поддерживаемые форматы датасетов: YOLO, Pascal VOC, COCO.
  • Функции: from_yolo, from_pascal_voc, from_coco, split, merge, as_yolo, as_pascal_voc, as_coco.
  • Annotators: sv.BoxAnnotator и др. для визуализации.
  • Примеры кода с RF-DETR и Roboflow Inference (требуется ROBOFLOW_API_KEY).

⚙️ Как это работает / применить

  1. Получить sv.Detections напрямую из модели или через sv.Detections.from_inference(result).
  2. Загрузить датасет: sv.DetectionDataset.from_coco(...).
  3. Разделить: train, test = dataset.split(0.7).
  4. Объединить: sv.DetectionDataset.merge([ds1, ds2]).
  5. Сохранить: dataset.as_yolo(...).
  6. Аннотировать кадр: box_annotator.annotate(scene=image, detections=dets).

💡 Вывод и значение Supervision даёт единый интерфейс для всего цикла работы с детекциями и датасетами, позволяя сосредоточиться на прикладных задачах, а не на парсинге форматов.

Автор/источник: Roboflow (репозиторий supervision на GitHub).

Мои мысли

graph

Карта связей