Supervision项目扩展:支持Transformers分割模型检测功能
2025-05-07 13:17:27作者:尤辰城Agatha
概述
Supervision作为计算机视觉领域的重要工具库,近期对其检测功能进行了重要扩展。原本仅支持Transformers目标检测模型的from_transformers
方法,现已升级为同时支持分割模型,这为开发者处理图像分割任务提供了更便捷的解决方案。
技术背景
在计算机视觉领域,目标检测和图像分割是两项核心任务。目标检测主要识别图像中的物体位置和类别,而图像分割则更进一步,需要精确到像素级别的分类。Transformers框架提供了多种预训练模型,包括DETR等优秀架构,能够同时完成检测和分割任务。
功能实现细节
核心API设计
新功能通过扩展Detections.from_transformers
方法实现,开发者现在可以:
- 加载Transformers提供的分割模型(如DETR)
- 处理输入图像并获取模型输出
- 将分割结果转换为Supervision的标准检测格式
- 使用Supervision提供的标注工具可视化结果
关键技术点
实现过程中解决了几个关键问题:
- 掩码到边界框转换:使用
mask_to_xyxy
工具函数将分割掩码转换为边界框坐标 - 数据类型处理:确保numpy数组的数据类型正确,避免标注异常
- 结果后处理:正确处理Transformers模型输出的分割结果格式
使用示例
开发者可以按照以下流程使用新功能:
# 初始化模型和处理器
processor = DetrImageProcessor.from_pretrained("facebook/detr-resnet-50")
model = DetrForObjectDetection.from_pretrained("facebook/detr-resnet-50")
# 处理输入图像
image = Image.open("example.jpg")
inputs = processor(images=image, return_tensors="pt")
# 获取模型输出
with torch.no_grad():
outputs = model(**inputs)
# 转换结果为Supervision格式
detections = sv.Detections.from_transformers(results)
# 可视化结果
mask_annotator = sv.MaskAnnotator()
annotated_image = mask.annotate(scene=image, detections=detections)
未来展望
虽然当前已支持基本分割功能,但仍有扩展空间:
- 实例分割支持:处理更复杂的实例级分割任务
- 全景分割支持:统一语义分割和实例分割结果
- 性能优化:针对大规模分割任务进行效率提升
总结
Supervision对Transformers分割模型的支持扩展,显著提升了其在计算机视觉任务中的实用性。这一改进不仅简化了开发流程,还为更复杂的视觉分析任务奠定了基础。随着后续功能的不断完善,Supervision有望成为更全面的计算机视觉工具库。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0288Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
163
2.05 K

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16

React Native鸿蒙化仓库
C++
199
279

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
951
557

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
96
15

基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
77
70

喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0