Reproducible annotation-aware augmentation and differentiable image warping in pure MoonBit.

computer-vision

augmentation

differentiable

image

wasm

Download zip

Author

shunge

Version

0.2.0

License

MIT

Repository

github.com/buildliming/moonvision

Last updated

6 hours ago

Downloads

No dependencies

#MoonVision

纯 MoonBit 计算机视觉工具库：可复现的标注同步增强 + 可微图像几何变换。

MoonVision 把视觉数据处理与模型中的空间采样放在一个有明确数值约定的项目中。核心算法不调用 Python、C/C++ 或外部推理引擎；Python/PyTorch 只用于生成独立测试参考。两个包可以分别导入。

包	用途	已实现
moonaug	检测、分割与关键点增强	图像/mask/bbox/关键点同步，Pad、Letterbox、RandomResizedCrop、基础变换，按 ID 确定采样与批处理，Replay v1/v2
moonwarp	可微采样与图像配准	双线性/最近邻 × 零/边缘/反射填充，完整一阶梯度，矩阵组合/求逆/坐标转换，单尺度与抗混叠多尺度配准
interop	连接完整视觉流程	图像/张量/类别 mask 转换，批次与逐通道归一化，仿射变换同步图像、mask、框和关键点

#快速运行

安装 MoonBit 工具链。本项目验证环境为 moon 0.1.20260920、moonc v0.10.14+7d59c7ec9，使用新版 moon.mod / moon.pkg 配置。

git clone --branch default https://github.com/buildliming/moonvision.git
cd moonvision
moon check --target all --deny-warn
moon test
moon run examples/main
moon run examples/pipeline
moon run examples/annotated

正常构建和 MoonBit 测试无需 Python、NumPy 或 PyTorch，也没有第三方 Mooncakes 依赖。

#浏览器演示

需要 Python 3 和 Node.js；无须 npm 安装依赖。

python tools/build_web.py
python tools/serve_demo.py

打开 http://127.0.0.1:8765。图片只在本机浏览器处理，计算在 Web Worker 中运行。

标注同步增强：切换十组真实照片样本、编辑检测框、上传本地图片、选择 Letterbox/随机缩放裁剪、改变随机种子、导入/导出重放记录。
可微图像配准：切换照片、边界模式和单/多尺度优化，观察六个仿射参数、损失曲线和配准结果。

#作为 MoonBit 库使用

Mooncakes 包名为 shunge/moonvision，与 GitHub 仓库名分别使用各自平台的账号。安装固定版本：

moon add shunge/moonvision@0.2.0

在消费项目的 moon.pkg 中导入所需包：

import {
  "shunge/moonvision/moonaug",
  "shunge/moonvision/moonwarp",
  "shunge/moonvision/interop",
}

具体 typed API、错误处理和示例见 MoonAug 文档、MoonWarp 文档，完整公共接口由各包的 pkg.generated.mbti 记录。

#JSON / Node.js 接口

node tools/moonvision.mjs augment examples/requests/augment.json
node tools/moonvision.mjs warp examples/requests/warp.json
node tools/moonvision.mjs interop examples/requests/annotated.json
node tools/test_bridge.mjs

不带文件名时，CLI 逐行读取标准输入的 JSON 请求并逐行返回结果。请求错误返回 {"ok":false,"error":"..."}。浏览器与 Node 使用相同的 MoonBit 编译产物。

#正确性与复现

180 个 MoonBit 测试在 wasm-gc、wasm、js、native 后端验证；每个后端单独执行，包含真实照片像素回归。
独立 CPU PyTorch float64 参考覆盖采样前向、输入/grid/theta 梯度、多 batch/channel、非方形与单像素维度、边界和两种角点约定。
中央有限差分校验平滑位置的梯度；不可微边界单独对照 PyTorch 的取值约定。
NumPy/PyTorch 图像参考覆盖增强结果、框几何、整数 mask、alpha 保留、组合变换和重放。
Node.js 桥接的 29 项端到端检查验证 JSON 传输、参考数值、错误输入和重放。当前参考下采样与梯度最大绝对误差为 8.881784197001252e-16；不代表所有输入的误差上限。
6 张原始真实照片、10 组离线样本、173 次真实图接口检查：人物、动物、物体、室外、纹理、模糊，覆盖 L/RGB/RGBA、竖幅/宽幅/缩略图。像素、掩码、标注、梯度和重放均有独立对照。真实图说明与结果
跨包负向编译验证 Tensor/Grid 内部数组无法被访问或修改；资源预算、非有限数、JSON 严格整数与退化几何均有回归。

python tools/verify.py

重新生成参考才需要 Python 的数值依赖：

python -m pip install -r verification/requirements.txt
python verification/generate_references.py --check
python tools/verify.py --references --real-images

详见复现说明、独立参考说明和验收记录。

#支持边界

MoonAug 处理已解码的灰度/RGB/RGBA 像素和非负整数类别 mask，框使用连续半开区间 xyxy。颜色变换保留 alpha；缩放不执行抗锯齿、线性光转换或预乘 alpha。重放记录保存已解析参数和输入尺寸，不保存源图像身份。

MoonWarp 支持二维、最近邻/双线性、三种填充和一阶梯度。配准是局部优化，依赖纹理及初始位置；不保证任意图像都能对齐。张量、请求/响应文本和操作数量都有明确上限，详见包文档。

本版本不包含通用训练框架、GPU、任意透视变换、三维采样、高阶梯度或图像编解码器。浏览器上传图片使用浏览器解码能力；MoonBit 核心接收像素数组。

#核心规模与兼容性

python tools/count_core.py 可复核核心规模：约 4500 行库源码，其中约 3800 行非空非注释内容。只统计 moonaug/、moonwarp/、interop/ 的实现，排除测试、生成接口、图片数据、Python、CLI 与浏览器代码。

0.2 读取旧 Replay v1，含 Pad 的记录使用 v2；旧 Sample 结构及默认采样行为保留。Tensor/Grid 的内部数组已封装，原先直接读写 .dims/.values 的调用需改用 shape()/data() 与校验构造函数。JSON 新增明确资源预算。详见迁移说明。

#项目结构

moonaug/       标注同步增强、确定性采样、replay、JSON 边界
moonwarp/      张量、采样、解析梯度、配准、JSON 边界
bridge/        两个包的 JavaScript 导出
examples/      MoonBit 可运行示例和 JSON 请求
verification/  独立参考数据、生成器、固定依赖
web/           本地浏览器实验室
tools/         构建、验证、命令行、演示服务器
docs/          数值设计、复现、验收、参赛说明

#License / References

沿用仓库原有 MIT 许可证。实现参考公开语义与论文，测试调用第三方工具作为独立数值基准；第三方工具不随核心库打包。

开发使用 AI 辅助代码、测试和文档，功能与验收结果以本仓库可运行代码和复现命令为准。参赛摘要见 docs/hackathon.md。

Site source Report issue Packages Build queue Skills Statistics