Supervision：复用计算机视觉检测、跟踪、标注与数据集工具
一分钟看懂
Supervision 是一个模型无关的 Python 计算机视觉工具库，为目标检测、分类、分割结果提供统一数据结构，并封装标注、跟踪、区域计数、视频处理和常见数据集格式转换等重复工程工作。
你可以用它做什么
- 把不同检测或分割模型的输出转换为统一结构。
- 在图片和视频上绘制边框、标签、轨迹与区域统计。
- 构建人员计数、停留时间、速度估计和视频分析流程。
- 加载、拆分、合并并转换 COCO、YOLO 和 Pascal VOC 数据集。
主要能力
- 与 Ultralytics、Transformers、MMDetection 和 Roboflow Inference 等模型生态衔接。
- 提供可组合的 annotators、检测结果操作和跟踪工具。
- 支持图片、视频与数据集处理，不绑定单一训练框架。
- 配套文档、示例、教程和速查表较完整。
适合哪些人
适合计算机视觉工程师、研究人员和原型开发者，尤其适合已经有模型输出、但希望快速完成可视化、跟踪和业务统计的项目。
怎么开始使用
在 Python 3.10 或更高版本的虚拟环境运行 pip install supervision。先用官方快速示例创建 Detections 并给一张图添加标注，再根据使用的模型安装可选依赖；处理大型视频时应先用短片验证性能和内存占用。
使用前需要知道
Supervision 主要提供模型输出后的工程工具，本身不保证模型精度。隐私、偏差和误检风险取决于所接模型、数据和场景；处理人像或监控视频时需遵守数据保护规则。部分集成需要额外依赖或 API Key。项目采用 MIT 许可证。