Supervisely 开源项目教程

Supervisely 开源项目教程

superviselySupervisely SDK for Python - convenient way to automate, customize and extend Supervisely Platform for your computer vision task 项目地址:https://gitcode.com/gh_mirrors/su/supervisely

项目介绍

Supervisely 是一个为计算机视觉任务设计的平台，提供了一个方便的 Python SDK，用于自动化、定制和扩展 Supervisely 平台。该项目支持深度学习、神经网络等技术，适用于从自动驾驶到医疗等多个行业。

项目快速启动

安装 Supervisely SDK

首先，你需要安装 Supervisely SDK。可以通过 pip 安装：

pip install supervisely

初始化项目

创建一个新的 Python 脚本并初始化 Supervisely 项目：

import supervisely as sly

# 初始化 API
api = sly.Api(server_address="https://app.supervisely.com", token="your_token")

# 获取项目信息
project_info = api.project.get_info_by_id(project_id)
print("Project name:", project_info.name)

应用案例和最佳实践

数据标注自动化

Supervisely 提供了强大的数据标注工具，可以自动化标注过程。以下是一个简单的示例，展示如何使用 Supervisely 进行图像标注：

# 加载图像
image_info = api.image.get_info_by_id(image_id)
image_path = api.image.download_path(image_info.id, "path_to_save_image")

# 创建标注任务
annotation_task = sly.AnnotationTask(api, project_id, image_id)
annotation_task.add_objects([sly.ObjectClass("person"), sly.ObjectClass("car")])

# 提交标注任务
annotation_task.submit()

模型训练与部署

Supervisely 支持模型的训练和部署。以下是一个简单的示例，展示如何使用 Supervisely 进行模型训练和部署：

# 创建训练任务
train_task = sly.TrainingTask(api, project_id)
train_task.set_model_config({"backbone": "resnet50", "epochs": 50})

# 开始训练
train_task.start()

# 部署模型
deploy_task = sly.DeploymentTask(api, model_id)
deploy_task.deploy()

典型生态项目

Supervisely Apps

Supervisely 提供了多种应用程序，这些应用程序可以用于不同的计算机视觉任务。例如，Supervisely 提供了一个用于图像标注的应用程序，用户可以通过简单的界面进行图像标注。

社区贡献

Supervisely 社区非常活跃，有许多贡献者提供了各种工具和模型。用户可以通过 GitHub 访问这些资源，并根据自己的需求进行修改和扩展。

通过以上内容，您可以快速了解和使用 Supervisely 开源项目，进行计算机视觉任务的开发和部署。

superviselySupervisely SDK for Python - convenient way to automate, customize and extend Supervisely Platform for your computer vision task 项目地址:https://gitcode.com/gh_mirrors/su/supervisely