supervisely/supervisely

Supervisely – 用于计算机视觉项目的 Web 平台

产品简介 – Supervisely 是一个用于计算机视觉工作的云托管“操作系统”。它将数据标注（图像、视频、3D 点云、医疗 DICOM）、数据可视化、模型训练、推理、质量控制、合成数据生成和协作工具集成到一个统一的 Web UI 中。该平台通过公开的 Python SDK 和丰富的 REST API 实现扩展，让您可以编写在 Supervisely 生态系统中运行的脚本或完整的应用程序。

核心组件

• Supervisely Platform – 核心 Web 服务（可通过 https://app.supervisely.com 访问），用于存储项目、数据集、标注和模型。
• Supervisely Ecosystem – 一个拥有数百个即插即用应用的市场（无界面脚本、交互式 UI 工具、标注工具扩展），可以一键启动。
• Python SDK (supervisely package) – 对 REST API 的轻量级封装，处理身份验证、分页、错误处理等。工作流示例：

  import supervisely as sly
  api = sly.Api.from_env()
  project = api.project.create(workspace_id=123, name="demo project")
  dataset = api.dataset.create(project.id, "dataset-01")
  img = api.image.upload_path(dataset.id, "img.png", "/local/path/img.png")
  ann = api.annotation.upload_path(img.id, "/local/path/ann.json")
  

• 应用框架 – 任何 Web 服务器（FastAPI、Flask 等）都可以转换为 Supervisely 应用。该框架提供 UI 组件、身份验证、版本控制和部署钩子，让开发者可以专注于计算机视觉逻辑。

如何扩展

级别	构建内容	典型用例
1️⃣	直接 HTTP 调用	任何语言的快速自动化
2️⃣	使用 SDK 的 Python 脚本	数据导入/导出、批量模型推理
3️⃣	无界面 Python 应用 (无 UI)	自定义格式转换器、批量用户管理
4️⃣	带有交互式 UI 的应用	自定义标注界面、训练仪表板
5️⃣	集成 UI 的标注工具	在标注 UI 内进行 AI 辅助标注

主要卖点

• 一分钟上手 – pip install supervisely 即可获取 SDK；Web UI 即可立即使用。
• 神奇简单的 API – SDK 抽象了 REST 端点，处理重试、验证和分页。
• 随处可定制 – 您可以替换 UI 组件、接入自有模型或编写私有应用。
• 一键部署 – 应用被打包为 Docker 镜像（例如 supervisely/agent），并可以从平台 UI 启动。
• 版本化发布 – 生态系统在 GitHub 和 GitLab 上均支持分支和发布。
• 社区与企业级 – 被超过 65,000 名用户使用，包括财富 500 强公司；应用可以设置为公开或私有。

典型用户

• 需要用于标注、训练和评估 CV 模型的托管环境的数据科学家。
• 需要协作标注（图像、视频、3D、医疗）的团队。
• 需要构建必须与现有 Supervisely 项目集成的自定义流水线（例如合成数据生成、模型即服务）的工程师。
• 正在寻找可扩展平台而非闭源产品的公司。

安装 / 快速入门

pip install supervisely   # 安装 Python SDK
# 使用您的 Token 设置环境变量 SUPERVISELY_API_TOKEN
python -c "import supervisely as sly; api = sly.Api.from_env(); print(api.team.get_my_team())"

对于完整应用，您通常需要编写一个 FastAPI 服务，通过 SDK 添加 UI 组件，然后将 Docker 镜像推送到平台。

资源

• 网站: https://supervisely.com
• SDK 文档: https://developer.supervisely.com
• API 参考: https://api.docs.supervisely.com
• 应用生态系统: https://ecosystem.supervisely.com
• YouTube 课程: What is Supervisely?

---

以上所有信息直接取自仓库的 README；未添加任何外部假设。