Caer - 即时现代计算机视觉

Caer 是一个_轻量级、高性能_的视觉库，专为高效的人工智能研究而设计。我们开发这个框架的目的是简化你在计算机视觉领域的实践方式，通过抽象掉不必要的样板代码，为你提供灵活性，以便快速原型化深度学习模型和研究想法。最终，我们打造了一个设计独特、易于理解、兼容性强且使用起来充满乐趣的库。

Caer 拥有优雅的_类型检查_API 和独特的设计理念，非常适合深度学习与计算机视觉领域的学生、研究人员、爱好者，甚至是专家。

概述

Caer 是一个 Python 库，包含以下组件：

组件	描述
caer	一个轻量级的 GPU 加速计算机视觉库，适用于高性能 AI 研究
caer.color	颜色空间操作
caer.data	标准高质量测试图像和示例数据
caer.path	操作系统特定的路径操作
caer.preprocessing	图像预处理工具。
caer.transforms	强大的图像变换与增强
caer.video	视频处理工具

通常，Caer 可以用作：

• OpenCV 的替代品，以充分利用 GPU 的强大性能。
• 一个提供最大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（包括从源码构建），请参阅 Caer 的 安装 指南。

目前，caer 支持 Python 3.6 及更高版本；不支持（也不推荐）Python 2。要安装当前版本：

$ pip install --upgrade caer

入门

最小示例

import caer

# 加载随 caer 一起提供的标准 640x427 测试图像
sunrise = caer.data.sunrise(rgb=True)

# 将图像调整为 400x400，同时保持宽高比
resized = caer.resize(sunrise, target_size=(400,400), preserve_aspect_ratio=True)

更多示例，请参阅 Caer 演示 或 阅读文档

资源

• PyPi
• 文档
• 问题跟踪

贡献

我们欢迎所有贡献、反馈和问题。如果你计划为核心添加新功能、实用工具或扩展，请先阅读我们的 贡献指南。

要参与贡献，可以从 caer 的代码库开始，阅读 文档，前往 问题 选项卡，浏览有趣的议题。

当前的贡献者可以在 贡献者列表 文件中查看，也可以使用 caer.__contributors__ 命令获取。

寻求帮助

如果你有任何疑问，请：

1. 阅读文档。
2. 在我们的 GitHub 讨论区查找答案（或提出新问题）。
3. 搜索问题。

许可证

Caer 是开源项目，采用 MIT 许可证 发布。

BibTeX

如果你想引用该框架，可以使用以下格式（但仅限于你非常喜欢它 😊）：

@article{jasmcaus,
  title={Caer},
  author={Jason},
  journal={GitHub. Note: https://github.com/jasmcaus/caer},
  volume={2},
  year={2020-2025}
}

Caer 快速上手指南

Caer 是一个轻量级、高性能的计算机视觉库，专为加速 AI 研究和原型设计而生。它通过抽象繁琐的样板代码，提供类型检查的优雅 API，并支持 GPU 加速，是 OpenCV 的高效替代方案。

环境准备

• 操作系统：支持 Linux、macOS 和 Windows。
• Python 版本：Python 3.6 及以上（不支持 Python 2）。
• 硬件要求：可选配 NVIDIA GPU 以启用 GPU 加速功能。
• 前置依赖：无需手动安装复杂依赖，pip 安装时会自动处理。

安装步骤

使用 pip 安装最新稳定版：

pip install --upgrade caer

提示：国内开发者若下载缓慢，可使用清华或阿里云镜像源加速安装：

pip install --upgrade caer -i https://pypi.tuna.tsinghua.edu.cn/simple

如需从源码构建或查看详细安装说明，请参考官方 Installation Guide。

基本使用

以下是最小化示例，展示如何加载内置测试图片并进行保持宽高比的缩放：

import caer

# 加载 Caer 自带的标准测试图片 (640x427)
sunrise = caer.data.sunrise(rgb=True)

# 将图片缩放至 400x400，同时保持原始宽高比
resized = caer.resize(sunrise, target_size=(400,400), preserve_aspect_ratio=True)

更多高级用法（如颜色空间转换、视频处理、数据增强等）请查阅 官方文档 或浏览 示例代码库。