用途：cv-pipeline-builder 是 SpecWeave 生态中面向计算机视觉任务的专用机器学习流水线构建工具，用于快速搭建生产可用的 CV 系统，覆盖图像预处理、数据增强、CNN 架构、迁移学习与部署。
主要能力：支持图像分类（二分类或多分类）、目标检测（返回边界框、类别标签与置信度）、语义分割（逐像素掩码）以及图像生成。分类任务自动配置图像缩放与归一化、旋转/翻转/颜色抖动等增强、ResNet/EfficientNet/ViT 等架构、ImageNet 迁移学习、带验证的训练循环与推理流水线。检测使用 YOLO、Faster R-CNN 或 RetinaNet；分割使用 U-Net、DeepLab 或 SegFormer。
使用方式：通过 CVPipeline 指定 task、num_classes 或 classes、increment 等参数创建流水线，调用 fit 训练。可用 ImageAugmentation 添加标准增强（random_rotation、random_flip_horizontal、random_brightness、random_contrast、random_crop）与高级增强（mixup、cutout、autoaugment）。迁移学习支持冻结骨干的特征提取，或设置 fine_tune_after_epoch 进行微调。命令包括 /ml:cv-pipeline --task classification --model resnet50、/ml:cv-evaluate 0042、/ml:cv-deploy 0042（导出 ONNX）。项目按 increment 目录组织，含 spec.md、data、models、experiments 与 deployment。
适用场景：小数据集可选 ResNet18、MobileNetV2；中等数据集选 ResNet50、EfficientNet-B0；大数据集选 EfficientNet-B3、ViT。实时检测选 YOLOv8、SSDLite，高精度选 Faster R-CNN、RetinaNet；医学影像分割选 U-Net，场景分割选 DeepLabV3、SegFormer。
限制：资料未提供具体安装命令、依赖版本、收费与价格、平台支持范围及实际效果数据，这些信息暂未提供。