Supervision: thư viện computer vision

Một Bộ công cụ Computer Vision thiết yếu

Supervision là một package Python mã nguồn mở cung cấp các building block có thể tái sử dụng cho công việc computer vision: connector cho các model detection và segmentation, annotator có thể tùy chỉnh để vẽ box và mask lên frame, và các tiện ích dataset cho COCO, YOLO và Pascal VOC. Supervision không tự train hay đi kèm model nào — nó chuẩn hoá đối tượng `sv.Detections` nằm giữa model bạn đang chạy và phần code annotation bạn viết phía trên.

Cài đặt thư viện Supervision

Cài Supervision chỉ cần một lệnh: `pip install supervision`. README yêu cầu môi trường Python từ 3.10 trở lên cho cách cài này — không có tuyên bố hỗ trợ cho các bản Python 3.x cũ hơn. Nếu muốn dùng conda, mamba, hoặc cài từ source thay vì pip, README không hướng dẫn trực tiếp các bước đó mà chỉ dẫn sang một guide riêng trên trang tài liệu của Roboflow — nghĩa là pip là cách cài duy nhất mà chính README của repo này trình bày đầy đủ.

Ví dụ code thực tế

Luồng làm việc cốt lõi là: chạy model detection hoặc segmentation của riêng bạn, bọc output vào `sv.Detections`, rồi đưa cho một annotator. Một số model trả về định dạng này trực tiếp — ví dụ trong README dùng `RFDETRSmall` của `rfdetr`: ```python import supervision as sv from PIL import Image from rfdetr import RFDETRSmall image = Image.open("path/to/image.jpg") model = RFDETRSmall() detections = model.predict(image, threshold=0.5) ``` Với các model không trả `sv.Detections` sẵn, Supervision cung cấp connector — README liệt kê Ultralytics, Transformers, MMDetection và Inference của Roboflow, trong đó Inference cần một Roboflow API key để gọi. Có `Detections` rồi thì vẽ lên frame chỉ mất một dòng ngắn: `sv.BoxAnnotator().annotate(scene=image.copy(), detections=detections)`. Cách làm tương tự áp dụng cho dataset — `sv.DetectionDataset.from_coco(...)` load một dataset dạng COCO, và gọi `.split(split_ratio=0.7)` trên kết quả sẽ chia thành tập train/test mà không cần viết script riêng.

Ví dụ ứng dụng thực tế

• •Phân tích dwell-time theo zone — tutorial trong chính README kết hợp detection và tracking để đo thời gian một đối tượng nằm trong một zone được định nghĩa trước, hướng tới các kịch bản retail hoặc traffic.
• •Ước tính tốc độ xe — một tutorial khác trong README nối YOLO, ByteTrack và Roboflow Inference cùng với một perspective transform để ước tính tốc độ xe từ video, một ví dụ của detection tracking mà Supervision hướng tới.
• •Chuyển đổi dataset sang framework train khác — convert dataset COCO hoặc Pascal VOC hiện có sang YOLO (hoặc ngược lại) bằng các method `as_yolo`/`as_coco`/`as_pascal_voc` của `DetectionDataset` thay vì tự viết converter, hữu ích khi bàn giao data labeling giữa các tool.
• •Đổi model detection giữa chừng dự án — chuyển từ model Ultralytics sang model chạy qua Inference mà không phải viết lại code annotation và video analysis phía sau, vì cả hai đều đổ vào cùng một đối tượng `sv.Detections`.

Các thư viện Computer Vision khác

Câu hỏi thường gặp

Tính năng chính

• ✓Detection model-agnostic — connector chuẩn hoá output từ Ultralytics, Transformers, MMDetection và Roboflow Inference về cùng một đối tượng `sv.Detections`; một số thư viện như `rfdetr` đã trả thẳng định dạng này.
• ✓Annotator tùy chỉnh — một image annotation tool tích hợp sẵn; `BoxAnnotator` và các class tương tự vẽ detection lên frame chỉ trong vài dòng thay vì tự viết lệnh vẽ bằng OpenCV.
• ✓Tiện ích dataset — `DetectionDataset` load, split, merge, save và convert giữa COCO, YOLO và Pascal VOC mà không cần một object detection library hay parser riêng.
• ✓Hỗ trợ tracking và video-processing — chính các GitHub topic của repo liệt kê tracking và video-processing cạnh detection, classification và instance-segmentation.
• ✓MIT license — được nhúng miễn phí vào các deep learning utilities thương mại mà không kèm ràng buộc copyleft.
• ✓Gắn tag Hacktoberfest và được Roboflow duy trì tích cực, có contributing guide công khai cho PR từ bên ngoài.

Vấn đề mà nó giải quyết

Đổi từ model YOLO sang một detector dựa trên Transformers, hay chuyển dataset từ Pascal VOC sang COCO, thông thường sẽ kéo theo việc phải viết lại mọi script phía sau — annotation, filter, chia dataset — theo shape output mới. Đó chính là điểm ma sát cụ thể trong các dự án Python machine learning vision ráp nối detector, tracker và pipeline train từ nhiều thư viện riêng lẻ: mỗi thư viện trả detection theo shape của riêng nó. Đối tượng `sv.Detections` cùng các tiện ích dataset của Supervision cho code phía sau một interface duy nhất để nhắm tới, nên model hay định dạng dataset bên dưới có thể đổi mà không phải động vào code annotation và evaluation đã viết phía trên.

Nên dùng khi nào — và khi nào nên bỏ qua

Nên thử Supervision nếu bạn đang tự viết pipeline computer vision bằng Python và muốn có sẵn code annotation, phần liên quan tới tracking, và convert dataset mà không phải tự bảo trì — đặc biệt hữu ích khi bạn đổi qua lại giữa nhiều model library và phải viết lại một 'bộ dịch' cho từng output shape khác nhau. Nên bỏ qua nếu bạn chỉ chạy một script dùng một lần với output gốc của một model duy nhất, hoặc bạn đang kẹt ở một bản Python trước 3.10 không nâng cấp được; lớp trừu tượng thêm vào không đáng để đánh đổi cho một script chỉ chạy một lần.

Repo liên quan