vkit，一个面向计算机视觉（特别是文档图像分析与识别方向）开发者的工具包

传送门： https://github.com/vkit-dev/vkit

一图胜千言：

项目简介

vkit 是一个面向计算机视觉（特别是文档图像分析与识别方向）开发者的工具包，特性如下：

• 丰富的数据增强策略支持
  • 支持常见的光度畸变策略，如各类色彩空间操作、各类噪音操作
  • 支持常见的几何畸变策略，如各类仿射变换、各类非线性变换（如 Similarity MLS ，基于相机模型的 3D 曲面、翻折效果等）
  • 支持在几何畸变过程中，图片与各种标注数据类型的一致变换。例如，在旋转图片的同时，vkit 也可以同时旋转关联标注的位置信息
• 较为全面的数据类型封装与可视化支持
  • 图片类型（基于 PIL 的封装，支持各类图片的读写）
  • 标注类型：蒙板（ mask ）、评分图（ score map ）、框（ box ）、多边形（ polygon ） 等
• 工业级代码质量
  • 友好的代码自动补全与类型检查支持，为开发体验保驾护航
  • 成熟的包管理与依赖管理机制
  • 自动化风格检查（基于 flake8 ）与静态类型分析（基于 pyright ）

注：

• 表示施工中，未完全支持
• 表示本项目的亮点（其他项目没有，或是做得不够好的地方）

项目愿景

作者作为一名 CV/NLP 算法工程师，希望可以通过 vkit 这个项目，从以下几个方面给大家提供便利：

• 将开发者从繁琐的数据治细节中解放出来，将宝贵的时间放在更有价值的工作上，如数据治理策略、算法模型设计与调优等
• 整合常见的数据增强策略，助力文档图像分析与识别方向的科研工作、构建工业级场景数据方案（即工业界算法落地所需的那点 "secret sauce"）
• 构建工业级开源文档图像分析与识别解决方案（如扭曲复原、超分辨率、OCR 、版面分析等）