Metadata-Version: 2.4
Name: cv-study-utils
Version: 0.1.0
Summary: Notebook-friendly study utilities for computer vision theory and practice snippets.
Author: CV Exam Helper
License-Expression: MIT
Keywords: computer-vision,exam,jupyter,colab
Classifier: Programming Language :: Python :: 3
Classifier: Programming Language :: Python :: 3 :: Only
Classifier: Intended Audience :: Education
Classifier: Topic :: Education
Requires-Python: >=3.9
Description-Content-Type: text/markdown
Provides-Extra: clipboard
Requires-Dist: pyperclip>=1.8.2; extra == "clipboard"

# CV Study Utils

Небольшая библиотека для подготовки к экзамену по машинному зрению. Она выводит ответы на теоретические вопросы и готовые кодовые шаблоны для практических заданий прямо в Jupyter/Colab.

## Установка

Из этой папки:

```bash
pip install -e .
```

После загрузки проекта на GitHub в Colab/Jupyter можно будет ставить так:

```python
!pip install git+https://github.com/<your-user>/<your-repo>.git
```

После публикации на PyPI:

```python
!pip install cv-study-utils
```

## Использование

```python
from cv_study_utils import theory, practice, find

theory(5)                 # ответ на теоретический вопрос 5
practice(3)               # код для практического задания 3
find("Canny")             # поиск по теории и практике
practice("границ")        # найти практику по фрагменту текста

theory(12, copy=True)     # скопировать ответ, если доступен clipboard
practice(15, copy=True)   # в ноутбуке появится кнопка Copy, если pyperclip недоступен
```

Командная строка:

```bash
cvstudy theory 5
cvstudy practice 3 --copy
cvstudy find "Vision Transformer"
```

## Что внутри

- `cv_study_utils/theory_answers.py` - 48 кратких ответов на теоретические вопросы.
- `cv_study_utils/theory_extras.py` - формулы, схемы архитектур и внешние источники для теории.
- `cv_study_utils/practice_solutions.py` - 15 готовых кодовых шаблонов для практических заданий.
- `content/theory_answers.md` и `content/practice_solutions.py` - человекочитаемые экспортные файлы, которые можно открыть отдельно.
- `Ответы_теория_МЗ2026.docx` и `Ответы_практика_МЗ2026.docx` - Word-версии материалов.
- `dist/` - готовые wheel/sdist артефакты для загрузки на PyPI.

## Источники

Основой являются файлы из папки экзамена и лекции `lecture_2` - `Lecture_8`. Для актуализации API и формулировок использованы официальные документации OpenCV, Pillow, Matplotlib, scikit-image, scikit-learn, PyTorch/torchvision, TensorFlow/Keras, Ultralytics YOLO, а также оригинальные статьи R-CNN/Fast R-CNN/Faster R-CNN, YOLO, SSD, U-Net, Mask R-CNN, GAN, DDPM, Transformer, ViT и image captioning.
