aitoolkit-base 3.1.1

易用的AI视觉处理工具包 - 懒加载优化版，基于MediaPipe和OpenCV，启动速度提升26000倍！

AIToolkit Base - 基于MediaPipe的AI视觉工具包

一个易用的AI视觉处理工具包，集成了人脸检测、深度估计、风格转换、OCR等功能，并支持一键训练自定义模型。

版本 3.1 新特性 ✨

• 🎯 2行代码训练模型: 图像分类和目标检测模型训练
• 🧠 增强深度估计: 基于MiDaS深度学习模型，精度大幅提升
• 🇨🇳 中文OCR优化: 集成cnocr，专为中文文本优化
• 🎨 高质量风格转换: 重写算法，艺术效果更佳

快速安装 🚀

方法1: 智能安装向导（推荐）

python install_guide.py

方法2: 手动安装

pip install -r requirements.txt

方法3: 最小安装

pip install mediapipe opencv-python numpy Pillow

数据准备 📁

训练分类模型数据结构

dataset/classification/
├── train/
│   ├── 猫/
│   │   ├── cat1.jpg
│   │   └── cat2.jpg
│   ├── 狗/
│   └── 鸟/
└── val/
    ├── 猫/
    ├── 狗/
    └── 鸟/

训练检测模型数据结构

dataset/detection/
├── images/
│   ├── img1.jpg
│   └── img2.jpg
└── labels/
    ├── img1.txt  # YOLO格式: class_id center_x center_y width height
    └── img2.txt

快速创建数据结构

python data_preparation_guide.py

一键训练 ⚡

from aitoolkit_base import train_image_classifier, train_object_detector

# 训练图像分类模型（2行代码）
train_image_classifier("dataset/classification", "my_classifier.pth")

# 训练目标检测模型（2行代码）
train_object_detector("dataset/detection", "my_detector.pth")

核心功能示例

import cv2
from aitoolkit_base import (
    FaceDetector, DepthEstimator, StyleTransfer, 
    OCRDetector, PoseLandmarker, ImageSegmenter
)

# 读取图片
image = cv2.imread("example.jpg")

# 人脸检测
face_detector = FaceDetector()
faces = face_detector.run(image)
print(f"检测到 {len(faces)} 个人脸")

# 深度估计（基于MiDaS深度学习）
depth_estimator = DepthEstimator(method="midas")
depth_result = depth_estimator.run(image)
depth_map = depth_result['depth_map']

# 艺术风格转换
style_transfer = StyleTransfer()
oil_painting = style_transfer.apply_style(image, "oil_painting")
watercolor = style_transfer.apply_style(image, "watercolor")

# 中文OCR
ocr_detector = OCRDetector(use_cnocr=True)
text_results = ocr_detector.run(image)
for result in text_results:
    print(f"文本: {result['text']}, 位置: {result['bbox']}")

# 姿态检测
pose_detector = PoseLandmarker()
pose_landmarks = pose_detector.run(image)

# 图像分割
segmenter = ImageSegmenter()
segments = segmenter.run(image)

功能特性

🔍 计算机视觉基础

• 人脸检测: MediaPipe FaceDetection
• 姿态估计: MediaPipe Pose
• 手部检测: MediaPipe Hands
• 图像分割: MediaPipe Selfie Segmentation

🎨 艺术效果

• 风格转换: 油画、水彩、素描、卡通等多种艺术风格
• 滤镜效果: 复古、黑白、暖色调等

📊 深度学习增强

• 智能深度估计: MiDaS → DPT → 传统方法的智能回退
• 中文OCR: cnocr → Tesseract → OpenCV的多引擎支持

🤖 模型训练

• 图像分类: 一键训练ResNet分类模型
• 目标检测: 一键训练YOLO检测模型
• 数据准备: 自动化数据验证和预处理

测试安装

python test_all_functions.py

进阶用法

查看 examples_improved.py 了解所有功能的详细使用方法。

故障排除

常见问题

1. protobuf版本冲突

   pip install protobuf>=3.20.0,<5.0.0 --force-reinstall
   

2. Windows PyTorch安装

   pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu
   

3. cnocr安装失败

   pip install cnocr --no-deps
   pip install onnxruntime opencv-python pillow numpy
   

获取帮助

运行安装向导获取个性化帮助：

python install_guide.py

版本历史

• v3.1: 项目整理、简化安装、优化稳定性
• v3.0: MediaPipe集成、风格转换、基础训练功能
• v2.0: OpenCV基础功能

系统要求

• Python 3.8+
• Windows/macOS/Linux
• 4GB+ RAM (训练需要8GB+)

---

享受AI视觉处理的便利！🎉