# senior-computer-vision

Скилл senior-computer-vision в Claude Code для проектирования конвейеров компьютерного зрения с детекцией объектов и сегментацией.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 145 установок · ★ 1183 у репозитория
- Автор: borghei
- Лицензия: LicenseRef-MIT-Commons-Clause · policy=link-only · показываем только описание, файл — у автора
- Исходник: https://github.com/borghei/Claude-Skills/tree/HEAD/engineering/senior-computer-vision/SKILL.md
- Обновлён: 2026-11-08
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/borghei-senior-computer-vision

## Что делает

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.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add borghei/Claude-Skills --skill senior-computer-vision -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/senior-computer-vision/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/senior-computer-vision/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add borghei/Claude-Skills --skill senior-computer-vision -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/senior-computer-vision/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add borghei/Claude-Skills --skill senior-computer-vision -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/senior-computer-vision/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install borghei/Claude-Skills engineering/senior-computer-vision/SKILL.md
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/senior-computer-vision/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add borghei/Claude-Skills --skill senior-computer-vision -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/borghei/Claude-Skills --path engineering/senior-computer-vision
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/senior-computer-vision/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add borghei/Claude-Skills --skill senior-computer-vision -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/borghei/Claude-Skills/tree/HEAD/engineering/senior-computer-vision/SKILL.md

## Когда брать
- 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_valid` и предложи архитектуру для детекции
- Сгенерируй конфиг тренировки MMDetection с batch size 16 и 100 эпох для моего датасета
- Оптимизируй модель `model.onnx` под мобильное устройство с рекомендациями по квантизации

## Похожие
- [computer-vision-pipeline](https://affpapa.org/nevibecode/skills/computer-vision-pipeline.md) — скилл · 288 установок
- [deepstream-import-vision-model](https://affpapa.org/nevibecode/skills/deepstream-import-vision-model.md) — скилл · 2300 установок
- [Computer Vision](https://affpapa.org/nevibecode/skills/computer-vision.md) — скилл · 510 установок
- [computer-vision-engineer](https://affpapa.org/nevibecode/agents/computer-vision-engineer.md) — субагент · 1248 установок
- [rtvi-cv-customize-model](https://affpapa.org/nevibecode/skills/rtvi-cv-customize-model.md) — скилл · ★ 4106 у репозитория
- [game-analytics-platform-computer-vision](https://affpapa.org/nevibecode/skills/game-analytics-platform-computer-vision.md) — скилл · 1600 установок

## Другие версии с тем же именем
- [senior-computer-vision · alirezarezvani](https://affpapa.org/nevibecode/skills/senior-computer-vision.md) — 1152 установки

Из того же набора: [borghei/claude-skills](https://affpapa.org/nevibecode/by/borghei/claude-skills.md) — 120 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
