Supervision

ビジョンモデルと、その上に載せるアプリケーションの間に入ります。Ultralytics、Transformers、MMDetection、Roboflow Inference の検出・セグメンテーション・分類モデルがすべて一つの Detections オブジェクトに変換され、ライブラリによってはその形式を直接返します。そこからはアノテーターが結果を描きますが、単体で使うより重ねて組み合わせる前提で作られています。

データセット側は COCO、YOLO、Pascal VOC の読み込み、分割、結合、保存に対応し、相互変換もできます。画像は一度に読み込まず、必要になった時点で開かれます。導入は Python 3.10 以上で pip を使い、conda や mamba、ソースからのビルド手順もドキュメントにあります。