Supervision：14.6K+ Star！一个智能视觉工具，助力高效计算机视觉应用开发

https://github.com/roboflow/supervision

Github项目详情见【阅读原文】

项目简介

supervision 是由 Roboflow 公司开发的一款开源的计算机视觉工具库，帮助开发者快速构建和部署计算机视觉应用程序。

它提供了一系列的工具和接口，用于加载数据集、执行对象检测、跟踪、分类以及对图像和视频进行注释等任务。

无论是需要加载数据集、在图像或视频上绘制检测框，还是统计特定区域内的检测数量，Supervision 都能满足你的需求。

使用场景

supervision 可用于多种计算机视觉相关的应用场景，包括但不限于：

对图像和视频进行实时对象检测和跟踪。
对数据集进行分割、合并、加载和保存。
创建自定义的注释来可视化检测结果，如边界框、标签等。
与 Roboflow Inference 集成，使用 Roboflow API KEY 进行模型推理。
在教育和研究中作为学习和实验计算机视觉的工具。

使用方法

环境要求：确保Python环境版本是3.8或更高版本。可以通过在终端或命令提示符中运行python --version来检查你的Python版本。
使用pip安装：在你的Python环境中，使用pip包管理器来安装supervision包。打开终端或命令提示符，然后输入以下命令：

pip install supervision

其他安装选项：如果你使用的是conda或mamba环境，或者你想从源代码安装，可以查看supervision的官方安装指南（https://roboflow.github.io/supervision/）。

快速开始

模型：supervision支持多种模型，包括分类、检测和分割模型。它还为一些流行的库（如Ultraalytics、Transformers或MMDetection）提供了连接器。

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)
# 输出检测到的对象数量，例如：5

注释器：supervision提供了多种可高度定制的注释器，用于可视化检测结果。

import cv2
import supervision as sv

image = cv2.imread(...)
detections = sv.Detections(...)

bounding_box_annotator = sv.BoundingBoxAnnotator()
annotated_frame = bounding_box_annotator.annotate(
scene=image.copy(),
detections=detections
  )

数据集：supervision提供了工具来加载、分割、合并和保存数据集，支持YOLO、PASCAL VOC和COCO等格式。

import supervision as sv

dataset = sv.DetectionDataset.from_yolo(
images_directory_path=...,
annotations_directory_path=...,
data_yaml_path=...
)

dataset.classes
# 输出数据集中的类别列表，例如：['dog', 'person']

len(dataset)
# 输出数据集中的样本数量，例如：1000