写 CV 应用不用再手撸可视化代码了Roboflow 把工具都打包好了。这个项目解决什么问题做计算机视觉你 90% 的时间不是在调模型是在搞那些重复的边角活画检测框、追踪 ID 在画面上的轨迹、统计某个区域里出现了多少个人、把 YOLO 格式转成 COCO 格式……每个 CV 团队都在重复造这些轮子。supervision 把这一切打包成了一个模型无关、即插即用的 Python 工具集目前 43k stars。核心亮点1. 模型无关谁来都行不管你用 YOLO、Transformers、MMDetection、Inference、还是 rfdetr统一转成sv.Detections对象后续的所有操作画框、统计、追踪都用同一套 API。fromrfdetrimportRFDETRSmallimportsupervisionassv modelRFDETRSmall()detectionsmodel.predict(image,threshold0.5)# 直接拿到 5 个检测结果可以接 sv 的任何工具2. 高度可定制的标注器box_annotatorsv.BoxAnnotator()annotated_framebox_annotator.annotate(sceneimage.copy(),detectionsdetections)一行代码画完。还有 mask、label、polygon、heatmap、trace轨迹等各种 annotator 任你组合调一调颜色、字体、粗细UI 就能拿得出手。3. 数据集格式转换不用写脚本sv.DetectionDataset.from_yolo(...).as_coco(...)YOLO ↔ COCO ↔ Pascal VOC 一行代码互转。split、merge、save 全套都有再也不用手写转换脚本踩格式坑了。4. 实时计数和区域统计文档里有现成的穿过某条线/进入某个区域的计数工具做行人统计、车流量、库存检测这类应用非常省事。快速上手pipinstallsupervision# Python 3.9最小示例接入 Roboflow InferencefromPILimportImagefrominferenceimportget_modelimportsupervisionassv imageImage.open(test.jpg)modelget_model(model_idrfdetr-small,api_keyROBOFLOW_API_KEY)resultmodel.infer(image)[0]detectionssv.Detections.from_inference(result)box_annotatorsv.BoxAnnotator()annotatedbox_annotator.annotate(sceneimage.copy(),detectionsdetections)5 行代码出图。我的评价如果你做 CV 落地supervision 几乎是绕不开的工具。和它对标的库OpenCV 自带的画图函数、各家模型库的可视化工具都太底层或者绑死特定模型supervision 是少有的做对了抽象层的库上层稳定、下层兼容所有主流模型。适合用CV 应用开发、模型 demo、数据集预处理、工业视觉项目。不适合用纯模型训练这个 supervision 不管或者只用 OpenCV 不想引依赖的场景。项目地址https://github.com/roboflow/supervision
43k Stars 的 CV 神器：supervision 让你 5 行代码搞定目标检测可视化
写 CV 应用不用再手撸可视化代码了Roboflow 把工具都打包好了。这个项目解决什么问题做计算机视觉你 90% 的时间不是在调模型是在搞那些重复的边角活画检测框、追踪 ID 在画面上的轨迹、统计某个区域里出现了多少个人、把 YOLO 格式转成 COCO 格式……每个 CV 团队都在重复造这些轮子。supervision 把这一切打包成了一个模型无关、即插即用的 Python 工具集目前 43k stars。核心亮点1. 模型无关谁来都行不管你用 YOLO、Transformers、MMDetection、Inference、还是 rfdetr统一转成sv.Detections对象后续的所有操作画框、统计、追踪都用同一套 API。fromrfdetrimportRFDETRSmallimportsupervisionassv modelRFDETRSmall()detectionsmodel.predict(image,threshold0.5)# 直接拿到 5 个检测结果可以接 sv 的任何工具2. 高度可定制的标注器box_annotatorsv.BoxAnnotator()annotated_framebox_annotator.annotate(sceneimage.copy(),detectionsdetections)一行代码画完。还有 mask、label、polygon、heatmap、trace轨迹等各种 annotator 任你组合调一调颜色、字体、粗细UI 就能拿得出手。3. 数据集格式转换不用写脚本sv.DetectionDataset.from_yolo(...).as_coco(...)YOLO ↔ COCO ↔ Pascal VOC 一行代码互转。split、merge、save 全套都有再也不用手写转换脚本踩格式坑了。4. 实时计数和区域统计文档里有现成的穿过某条线/进入某个区域的计数工具做行人统计、车流量、库存检测这类应用非常省事。快速上手pipinstallsupervision# Python 3.9最小示例接入 Roboflow InferencefromPILimportImagefrominferenceimportget_modelimportsupervisionassv imageImage.open(test.jpg)modelget_model(model_idrfdetr-small,api_keyROBOFLOW_API_KEY)resultmodel.infer(image)[0]detectionssv.Detections.from_inference(result)box_annotatorsv.BoxAnnotator()annotatedbox_annotator.annotate(sceneimage.copy(),detectionsdetections)5 行代码出图。我的评价如果你做 CV 落地supervision 几乎是绕不开的工具。和它对标的库OpenCV 自带的画图函数、各家模型库的可视化工具都太底层或者绑死特定模型supervision 是少有的做对了抽象层的库上层稳定、下层兼容所有主流模型。适合用CV 应用开发、模型 demo、数据集预处理、工业视觉项目。不适合用纯模型训练这个 supervision 不管或者只用 OpenCV 不想引依赖的场景。项目地址https://github.com/roboflow/supervision
