senior-computer-vision · borghei — скилл для Claude Code
Скилл senior-computer-vision в Claude Code для проектирования конвейеров компьютерного зрения с детекцией объектов и сегментацией.
LicenseRef-MIT-Commons-Clause 145 установок ★ 1 183 обновлён 2026-11-08
npx skills add borghei/Claude-Skills --skill senior-computer-vision -a claude-codeЧто делает senior-computer-vision
Скилл предоставляет три CLI-инструмента: vision_model_trainer.py анализирует датасеты в формате COCO или YOLO и генерирует конфиги тренировки, inference_optimizer.py оптимизирует модели для целевой платформы (GPU, edge, mobile) и экспортирует в TensorRT или OpenVINO, dataset_pipeline_builder.py конвертирует форматы (COCO, YOLO, Pascal VOC), валидирует данные и строит сплиты.
Архитектура выбирается исходя из задачи — детекция, сегментация или классификация — и требований к скорости и точности. По умолчанию рекомендуется YOLO26 (COCO mAP50-95: yolo26n 40.9, yolo26s 48.6, yolo26m 53.1), YOLO11 поддерживается для существующих конвейеров. Для работы нужны pytorch (для .pt-моделей) или onnxruntime (для ONNX), без них inference_optimizer с флагом --benchmark выдаёт exit code 2.
Скилл покрывает конец-в-конец: подготовка данных, выбор архитектуры, тренировка и экспорт на боевые целевые платформы. Не охватывает генеративные задачи (super-resolution, style transfer), 3D реконструкцию и SLAM.
Какие задачи решает
- сгенерировать конфиг для тренировки YOLO на собственном датасете
- оптимизировать обученную модель для инференса на edge-устройстве
- конвертировать датасет из COCO в формат YOLO и создать сплиты
- выбрать архитектуру детектора, учитывая trade-off точность–скорость
- экспортировать модель в TensorRT для GPU-инференса
Примеры запросов агенту
- Проанализируй датасет в
assets/sample_coco_validи предложи архитектуру для детекции - Сгенерируй конфиг тренировки MMDetection с batch size 16 и 100 эпох для моего датасета
- Оптимизируй модель
model.onnxпод мобильное устройство с рекомендациями по квантизации
Как установить senior-computer-vision
1Через Skills CLI (Vercel)
npx skills add borghei/Claude-Skills --skill senior-computer-vision -a claude-code2Вручную: положить файлы
~/.claude/skills/senior-computer-vision/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/senior-computer-vision/
1Через Skills CLI (Vercel)
npx skills add borghei/Claude-Skills --skill senior-computer-vision -a codex2Вручную: положить файлы
.agents/skills/senior-computer-vision/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add borghei/Claude-Skills --skill senior-computer-vision -a cursor2Вручную: положить файлы
.cursor/skills/senior-computer-vision/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install borghei/Claude-Skills engineering/senior-computer-vision/SKILL.md2Вручную: положить файлы
.github/skills/senior-computer-vision/SKILL.md1Через Skills CLI (Vercel)
npx skills add borghei/Claude-Skills --skill senior-computer-vision -a gemini-cli2Командой платформы
gemini skills install https://github.com/borghei/Claude-Skills --path engineering/senior-computer-visionВручную: положить файлы
.devin/skills/senior-computer-vision/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add borghei/Claude-Skills --skill senior-computer-vision -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о senior-computer-vision
Как установить senior-computer-vision в Claude Code?
Выполни в терминале npx skills add borghei/Claude-Skills --skill senior-computer-vision -a claude-code, затем прочитай ~/.claude/skills/senior-computer-vision/SKILL.md.
Что делает senior-computer-vision?
Скилл помогает строить конвейеры объект-детекции и сегментации: анализирует датасеты, генерирует конфиги тренировки для YOLO/Detectron2/MMDetection, оптимизирует и экспортирует модели под разные платформы (GPU, edge, мобила).
Какие требования к окружению?
Для тренировки нужны Python и pytorch (для .pt-моделей). Для оптимизации инференса — onnxruntime и numpy. Без них рекомендации даны будут, но бенчмарк не запустится.
Похожие скиллы
Все скиллы по теме «ИИ и ML» →Сначала — senior-computer-vision от других авторов.