caer

---

Caer - Visi komputer modern dengan cepat

CAER adalah perpustakaan penglihatan berkinerja tinggi dan berkinerja tinggi untuk penelitian AI berkinerja tinggi. Kami menulis kerangka kerja ini untuk menyederhanakan pendekatan Anda terhadap visi komputer dengan mengabstraksi kode boilerplate yang tidak perlu memberi Anda fleksibilitas untuk dengan cepat membuat prototipe model pembelajaran mendalam dan ide penelitian. Hasil akhirnya adalah perpustakaan yang sangat berbeda dalam desainnya, itu mudah dimengerti, bermain baik dengan orang lain, dan sangat menyenangkan untuk digunakan.

Filosofi dan filosofi desain kami yang elegan dan seperti jenis membuat Caer ideal untuk siswa, peneliti, penggemar dan bahkan ahli di bidang pembelajaran yang mendalam dan visi komputer.

Ringkasan

Caer adalah perpustakaan Python yang terdiri dari komponen berikut:

Komponen	Keterangan
caer	Perpustakaan Visi Komputer yang Diakelarisasi GPU Ringan untuk Penelitian AI Kinerja Tinggi
Caer.Color	Operasi Warna
caer.data	Gambar uji berkualitas tinggi standar dan contoh data
Caer.Path	Manipulasi jalur khusus OS
Caer.Preprocessing	Utilitas preprocessing gambar.
caer.transforms	Transformasi dan augmentasi gambar yang kuat
caer.video	Utilitas pemrosesan video

Biasanya, Caer digunakan sebagai:

• Penggantian untuk OpenCV untuk menggunakan kekuatan GPU.
• Platform penelitian visi komputer yang memberikan fleksibilitas dan kecepatan maksimum.

Instalasi

Lihat Panduan Instalasi CAER untuk instruksi instalasi terperinci (termasuk bangunan dari sumber).

Saat ini, caer mendukung rilis Python 3.6 dan seterusnya; Python 2 tidak didukung (juga tidak direkomendasikan). Untuk menginstal rilis saat ini:

$ pip install --upgrade caer

Memulai

Contoh minimal

 import caer

# Load a standard 640x427 test image that ships out-of-the-box with caer
sunrise = caer . data . sunrise ( rgb = True )

# Resize the image to 400x400 while MAINTAINING aspect ratio
resized = caer . resize ( sunrise , target_size = ( 400 , 400 ), preserve_aspect_ratio = True )

Untuk contoh lebih lanjut, lihat demo CAER atau baca dokumentasi

Sumber daya

• Pypi
• Dokumentasi
• Pelacakan masalah

Berkontribusi

Kami menghargai semua kontribusi, umpan balik, dan masalah. Jika Anda berencana untuk menyumbangkan fitur baru, fungsi utilitas, atau ekstensi ke inti, silakan melalui pedoman kontribusi kami.

Untuk berkontribusi, mulailah bekerja melalui basis kode caer , baca dokumentasi, arahkan ke tab Masalah dan mulailah melihat melalui masalah yang menarik.

Kontributor saat ini dapat dilihat baik dari file kontributor atau dengan menggunakan perintah caer.__contributors__ .

Meminta bantuan

Jika Anda memiliki pertanyaan, silakan:

1. Baca dokumen.
2. Cari dalam diskusi GitHub kami (atau tambahkan pertanyaan baru).
3. Cari melalui masalah.

Lisensi

Caer adalah open-source dan dirilis di bawah lisensi MIT.

Bibtex

Jika Anda ingin mengutip kerangka kerja, jangan ragu untuk menggunakan ini (tetapi hanya jika Anda menyukainya?):

 @article { jasmcaus ,
  title = { Caer } ,
  author = { Dsouza, Jason } ,
  journal = { GitHub. Note: https://github.com/jasmcaus/caer } ,
  volume = { 2 } ,
  year = { 2020-2021 }
}