频繁用到的计算机视觉工具集合

大家好,又见面了,我是 GitHub 精选君!

背景介绍

在视觉相关工程师的日常工作中,需要大量时间书写计算机视觉工具,但这类工具往往存在重复的问题。为了解决这个问题,我们往往会对现有的代码进行修改或重用,但这可能会带来新的问题,例如缺乏高度的定制化、代码结构混乱导致后期难以维护、或者无法适应新的数据集。这些问题都让我们非常苦恼。

今天要给大家推荐一个 GitHub 开源项目 roboflow/supervision,该项目在 GitHub 有超过 8.1k Star,用一句话介绍该项目就是:“We write your reusable computer vision tools. 💜”。

项目介绍

Supervision 项目的主旨就是为你书写可重用的计算机视觉工具。不论你需要从硬盘加载数据集,还是在图像或视频上绘制侦测,或者计算一个区域内有多少侦测,你都可以依赖这个项目。而且,Supervision 更是被设计为模型不可知的。只要将分类、检测、分割模型插入即可。

项目还提供了各种广泛且高度可定制的标记器,让你能够将者最佳的可视化用于自己的使用场景中。此外,引用该项目库,你还可以借助一套工具,用于加载、分割、合并和保存数据集。

除此之外,该项目还提供了一些相关的教程:

如何使用

在 Python>=3.8 的环境下,你可以通过以下命令安装这个包:

pip install supervision

然后,你就可以使用任何分类、检测或分割模型了。如果你需要使用我们为最流行的库创建的连接器,比如 Ultralytics,Transformers,或者 MMDetection ,你可以参考以下代码:

>>> import cv2
>>> import supervision as sv
>>> from ultralytics import YOLO

>>> image = cv2.imread(...)
>>> model = YOLO('yolov8s.pt')
>>> result = model(image)[0]
>>> detections = sv.Detections.from_ultralytics(result)

>>> len(detections)
5

以下是该项目 Star 趋势图(代表项目的活跃程度):

更多项目详情请查看如下链接。

开源项目地址:https://github.com/roboflow/supervision

开源项目作者:roboflow

以下是参与项目建设的所有成员:

关注我们,一起探索有意思的开源项目。


更多精彩请扫码关注如下公众号。

Written on December 29, 2023