caer

---

CAER-最新のコンピュータービジョンで

Caerは、高性能AI研究のための軽量で高性能ビジョンライブラリです。このフレームワークを作成して、不要なボイラープレートコードを抽象化することにより、コンピュータービジョンへのアプローチを簡素化し、深い学習モデルと研究のアイデアを迅速にプロトタイプする柔軟性を提供します。最終結果は、そのデザインがまったく異なるライブラリであり、理解しやすく、他の人とうまく機能し、使用するのがとても楽しいです。

私たちのエレガントでタイプチェックされたAPIとデザインの哲学により、学生、研究者、愛好家、さらには深い学習とコンピュータービジョンの分野の専門家にとってもCAERが理想的です。

概要

Caerは、次のコンポーネントで構成されるPythonライブラリです。

成分	説明
Caer	高性能AI研究のための軽量GPUアクセラレーションコンピュータビジョンライブラリ
Caer.Color	カラースペース操作
caer.data	標準の高品質のテスト画像と例データ
caer.path	OS固有のパス操作
caer.preprocessing	画像プリプロシングユーティリティ。
caer.transforms	強力な画像変換と増強
caer.video	ビデオ処理ユーティリティ

通常、CAERは次のように使用されます。

• GPUのパワーを使用するOpenCVの代替品。
• 最大の柔軟性と速度を提供するコンピュータービジョン研究プラットフォーム。

インストール

詳細なインストール手順（ソースからの建物を含む）については、CAERインストールガイドを参照してください。

現在、 caer Python 3.6以降のリリースをサポートしています。 Python 2はサポートされていません（推奨されません）。現在のリリースをインストールするには：

$ pip install --upgrade caer

はじめる

最小限の例

 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 )

その他の例については、CAERデモを参照するか、ドキュメントをお読みください

リソース

• ピピ
• ドキュメント
• トラッキングを発行します

貢献

すべての貢献、フィードバック、問題に感謝します。新機能、ユーティリティ関数、または拡張機能をコアに貢献する予定がある場合は、貢献ガイドラインをご覧ください。

貢献するには、 caerコードベースを介して作業を開始し、ドキュメントを読み、[問題]タブに移動し、興味深い問題を検討し始めます。

現在の貢献者は、貢献者ファイルから、またはcaer.__contributors__コマンドを使用して表示できます。

助けを求める

ご質問がある場合は、

1. ドキュメントを読んでください。
2. GitHubのディスカッションでそれを調べます（または新しい質問を追加してください）。
3. 問題を検索します。

ライセンス

Caerはオープンソースであり、MITライセンスの下でリリースされています。

bibtex

フレームワークを引用したい場合は、これを自由に使用してください（ただし、気に入った場合にのみ）：

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