用途：为计算机视觉项目提供工程化流程，强调构建可泛化、可度量、可部署的 CV 系统。
主要能力与流程要点：
- 明确任务：先区分分类、检测还是分割，并确定延迟目标与目标硬件。
- 数据集优先：定义标签体系、边界案例、划分策略与评估指标。
- 训练纪律：使用基线、消融实验与误差分析，而非单纯增加训练轮数。
- 贴近真实部署：注意预处理一致性、批处理、必要时的量化与 TensorRT，以及监控。
使用方式：技能含可选工具“dataset inventory”，无 ML 依赖。对 data/train/<class>/ 这类目录或任意图像文件夹，可运行： python ~/.codex/skills/senior-computer-vision/scripts/dataset_inventory.py data/ --out /tmp/dataset_report.json
参考：指标与数据划分说明见 references/metrics-and-splits.md。
适用场景：需要系统化开展分类、检测、分割等视觉任务的数据准备、训练评估与推理部署的工程团队。
限制：资料未提供具体模型清单、支持框架、价格、平台或性能数据，暂未提供。