kornia

让图像变换可微，深度学习视觉更灵活

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署计算机视觉 🍴 复刻 1527 🐛 待处理 110 👀 关注 124

GitHub ↗

GitHub 星标 ★ 12367

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源库，Apache-2.0 许可证，完全免费，可自行部署使用。

项目预览

项目数据

分类计算机视觉

开发团队kornia

GitHubhttps://github.com/kornia/kornia

定价模式🏷️完全免费

价格说明开源库，Apache-2.0 许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型artificial-intelligence,computer-vision,deep-learning,hacktoberfest,image-processing,machine-learning,neural-network,python,pytorch,robotics,spatial-ai

GitHub 星标★ 12367

上线时间2018-08-22 00:00:00

代码更新2026-11-10

仓库体积111.6 MB

本站数据更新2026-11-10

维护状态活跃

收录时间2026-08-10

浏览次数11

项目介绍

Kornia 是一个基于 PyTorch 的可微计算机视觉库，专注于几何视觉和空间 AI。它解决了深度学习与经典视觉算法之间的鸿沟，提供了一组可微分的图像变换、几何运算、滤波、特征检测与匹配等模块，使得这些操作可以无缝嵌入神经网络训练流程中，支持端到端的梯度回传。其核心能力包括：可微的图像增强与变换（如仿射、透视、薄板样条）、相机标定与多视图几何、深度估计、特征描述子（如 LoFTR）、以及多种图像滤波和形态学操作。Kornia 的设计强调模块化和与 PyTorch 的深度集成，支持 CPU/GPU 加速，适用于研究原型和工业部署。它解决了传统 OpenCV 等库不可微的问题，让视觉算法成为深度学习模型的一部分，从而推动空间 AI 应用（如 SLAM、3D 重建）的发展。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-10 · 当前星标 ★ 12367

技术标签

artificial-intelligence computer-vision deep-learning hacktoberfest image-processing

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 10 分钟部署方式：库/依赖 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

可用的 Python 环境（README 未注明版本要求，按 PyTorch 生态通用要求准备）
已安装 PyTorch（README 明确 Kornia 构建于 PyTorch 之上）
可访问 PyPI 与官方文档网站的网络环境

安装与启动步骤

1准备 Python 环境

创建并激活独立虚拟环境，避免依赖冲突；README 未给出 Python 版本要求，请按 PyTorch 所需版本准备。
```
python -m venv .venv
source .venv/bin/activate
```
2安装 PyTorch

Kornia 构建在 PyTorch 之上，需先装好 PyTorch。README 未给出安装命令，请到 pytorch.org 按系统选择。
3安装 Kornia

README 的 Installation 章节为空，没有可用安装命令；请以官方文档 kornia.readthedocs.io 公布的安装方式为准。

4运行导入验证

执行 README Quick Start 中给出的导入语句，确认 Kornia 及相关模块能被正常导入。

import numpy as np
import kornia_rs as kr
from kornia.augmentation import AugmentationSequential, RandomAffine, RandomBrightness
from kornia.filters import StableDiffusionDissolving

5体验在线示例

README 提供浏览器 Playground、Colab hello_world 教程和 Tutorials 页面，可免本地安装直接试用。

如何确认成功

运行上述导入语句，不报 ModuleNotFoundError 即说明 Kornia 及相关模块已可用。

常见问题

Q：README 里没有 Installation 内容怎么办？

A：该章节当前为空。请以官方文档 kornia.readthedocs.io 或 PyPI 项目页给出的最新安装命令为准，不要凭猜测执行安装命令。

Q：必须要有 GPU 吗？

A：不需要。README 提到支持 GPU 加速，但库基于 PyTorch，CPU 环境同样可以运行。

Q：想先快速体验而不本地安装？

A：README 提供浏览器 Playground、Colab 的 hello_world 教程以及 Tutorials 页面链接，可在线直接试用。

Q：kornia_rs 是什么？

A：它是 Quick Start 示例中导入的模块（import kornia_rs as kr），README 未进一步说明，请查阅官方文档了解。

注意事项

README 的 Installation 章节为空，本教程未提供 pip 安装命令，安装方式以官方文档为准。
官方资源：文档 https://kornia.readthedocs.io，教程 https://www.kornia.org/tutorials/，示例仓库 https://github.com/kornia/kornia-examples。
Quick Start 代码片段在 README 中被截断，此处仅保留其中完整可见的导入语句。