roboflow-supervision

name	roboflow-supervision
version	1.0.0
description	Supervision — librería de visualización, post-procesamiento y utilidades para computer vision de Roboflow. Annotators, metrics, datasets, tracking. Complemento esencial de RF-DETR y otras CV libs.
tags	["computer-vision","visualization","annotation","metrics","object-detection","segmentation","tracking","roboflow","post-processing"]

Supervision — Computer Vision Utilities by Roboflow

Resumen

Supervision es la librería de utilidades de Roboflow para visualización, post-procesamiento y evaluación de resultados de computer vision. Incluye annotators para bounding boxes, segment masks, keypoints; métricas COCO/mAP; manejo de datasets; y herramientas de tracking.

Funcionalidades principales

Annotators (visualización)

• BoxAnnotator — dibuja bounding boxes con color por clase
• LabelAnnotator — añade labels textuales a las boxes
• MaskAnnotator — visualiza segment masks con transparencia
• KeyPointAnnotator — dibuja keypoints con líneas de esqueleto
• TriangleAnnotator, CircleAnnotator, ColorAnnotator — formas alternativas

Detections y Metadata

• Detections — clase central con boxes, masks, keypoints, confidences, class_ids
• Metadata — metadatos asociados a detecciones
• Conversión desde varios formatos: inference, coco, yolov5, yolov8, yolov11, detr

Datasets

• Carga y export de datasets en múltiples formatos (COCO, YOLO, Roboflow)
• Split train/val/test automático
• Augmentation helpers

Metrics

• Cálculo de mAP (COCO-style)
• confusion matrices
• Precision-recall curves

Instalación

pip install supervision

Uso con RF-DETR (patrón estándar)

import supervision as sv
from rfdetr import RFDETRMedium
from rfdetr.assets.coco_classes import COCO_CLASSES

# Cargar modelo
model = RFDETRMedium()

# Inferencia
detections = model.predict("image.jpg", threshold=0.5)

# Preparar labels
labels = [COCO_CLASSES[cid] for cid in detections.class_id]

# Visualización
annotated = sv.BoxAnnotator().annotate(sv.Image(image), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections, labels)

# Guardar resultado
annotated.save("result.jpg")

Uso con otros modelos

# De inference API (Roboflow Inference)
from inference import get_model
model = get_model("rf-detr-medium")
predictions = model.infer(image)
detections = sv.Detections.from_inference(predictions)

# De COCO JSON
detections = sv.Detections.from_coco_json(annotation_path, image_paths)

# De YOLO
detections = sv.Detections.from_yolov8(output_file)

Integración con Mastermind

• Pipeline de CV: RF-DETR → Supervision para visualización en dashboards
• Visor de imágenes: annotators para proyectos de geospatial (NAIP, Sentinel)
• Evaluación de modelos: métricas COCO para comparar modelos en benchmarking
• Generación de datasets: preparar datasets etiquetados para fine-tuning

Referencias

• Repo: roboflow/supervision
• Docs: https://supervision.roboflow.com
• Complementa: rf-detr (detección), vision/clip-multimodal (embeddings)