caer

---

CAER-现代计算机视觉

CAER是用于高性能AI研究的轻巧，高性能的视觉库。我们编写了此框架，以通过抽象不必要的样板代码来简化您对计算机视觉的方法，从而使您灵活地快速原型设计深度学习模型和研究思想。最终结果是图书馆的设计截然不同，这很容易理解，与他人一起玩得很出色，并且使用很有趣。

我们优雅的，类型的API和设计理念使CAER非常适合学生，研究人员，业余爱好者，甚至是深度学习和计算机视觉领域的专家。

概述

CAER是一个由以下组成部分组成的Python库：

成分	描述
凯尔	轻巧的GPU加速计算机视觉库，用于高性能AI研究
Caer.Color	Colorspace操作
caer.data	标准高质量的测试图像和示例数据
Caer.Path	操作系统特定的路径操作
caer.preprocessing	图像预处理实用程序。
caer.transforms	强大的图像转换和增强
caer.video	视频处理公用事业

通常，CAER被用作：

• 替代OpenCV使用GPU的功能。
• 提供最大的灵活性和速度的计算机视觉研究平台。

安装

有关详细的安装说明，请参见CAER安装指南（包括从源头构建）。

目前， caer支持Python 3.6的发行版；不支持Python 2（也不建议）。安装当前版本：

$ pip install --upgrade caer

入门

最小例子

 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 )

有关更多示例，请参见CAER演示或阅读文档

资源

• PYPI
• 文档
• 问题跟踪

贡献

我们感谢所有贡献，反馈和问题。如果您打算为核心贡献新功能，公用事业功能或扩展，请遵循我们的贡献指南。

为了做出贡献，请开始使用caer代码库，阅读文档，导航到“问题”选项卡，然后开始查看有趣的问题。

可以从贡献者文件或使用caer.__contributors__命令中查看当前贡献者。

寻求帮助

如果您有任何疑问，请：

1. 阅读文档。
2. 在我们的GitHub讨论中查找（或添加一个新问题）。
3. 搜索问题。

执照

CAER是开源的，并根据MIT许可发布。

Bibtex

如果您想引用该框架，请随时使用此框架（但前提是您喜欢它？）：

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