Computer Vision 工具箱 — 42.5k stars。Roboflow 出品，提供模型无关的目标检测/分割/分类后处理、可视化标注、数据集管理一体化工具库。
核心定位
“We write your reusable computer vision tools” — 目标是让开发者专注于业务逻辑，把检测结果后处理、可视化、数据集转换等重复性工作标准化。
核心模块
Detections（核心数据结构）
sv.Detections：统一的检测结果容器，兼容主流框架输出- 内置 connectors：Ultralytics、HuggingFace Transformers、MMDetection、Inference、rfdetr 等
- 支持目标检测、实例分割、分类、OBB（方向包围框）
Annotators（可视化标注）
丰富的标注器，支持高度自定义组合：
BoxAnnotator、LabelAnnotator、MaskAnnotatorTraceAnnotator（轨迹追踪）、HeatMapAnnotator（热力图）PolygonZoneAnnotator（区域统计）
Datasets（数据集管理）
- 加载/保存：YOLO、COCO、Pascal VOC 格式互转
- 分割：
dataset.split(ratio) - 合并：
DetectionDataset.merge([ds1, ds2])
Trackers（多目标追踪）
- 内置 ByteTrack、SORT 等追踪算法集成
VideoProcessing（视频处理）
VideoInfo、VideoSink：视频流读写- 支持实时流处理管道
使用示例
import supervision as sv
import cv2
# 加载检测结果（模型无关）
detections = sv.Detections(...)
# 可视化标注
annotator = sv.BoxAnnotator()
annotated = annotator.annotate(scene=image, detections=detections)
# 区域统计（越线/进区域计数）
zone = sv.PolygonZone(polygon=polygon)
zone.trigger(detections=detections)典型应用场景
- 目标追踪：车辆/行人追踪 + 速度估算
- 区域分析：人群密度、驻留时间分析（Dwell Time）
- 数据集准备：格式转换、数据增强、train/val 分割
- 流量统计：LineZone 越线计数
安装
pip install supervision
# 可选依赖
pip install supervision[assets] # 示例素材生态关系
| 工具 | 说明 |
|---|---|
| roboflow/inference | 模型推理引擎，返回 sv.Detections |
| autodistill | 自动标注，基于 supervision 数据结构 |
| roboflow/notebooks | 配套教程 notebooks |