CVAT v2.37.0版本发布:增强标注质量检查与交互式检测支持
项目概述
CVAT(Computer Vision Annotation Tool)是一个开源的计算机视觉标注工具,由Intel旗下的OpenVINO团队开发维护。作为当前最受欢迎的图像和视频标注工具之一,CVAT为计算机视觉领域的开发者和研究人员提供了强大的数据标注功能,支持多种标注类型和数据集格式。
核心功能更新
项目级标注质量检查
v2.37.0版本引入了针对项目的标注质量检查功能。这一改进使得用户能够在项目层面系统性地验证标注数据的质量,而不仅仅局限于单个任务。质量检查功能可以帮助团队:
- 识别标注不一致性问题
- 发现潜在的标注错误
- 提高整体数据集质量
值得注意的是,API接口也进行了相应调整,用更准确的validation_frames
和validation_frame_share
字段替代了原有的frame_count
和frame_share
字段。
交互式检测功能增强
在命令行接口(CLI)方面,代理(Agents)现在能够处理交互式检测请求。这一改进为自动化标注流程带来了更大的灵活性,使得:
- 用户可以更灵活地与检测流程交互
- 支持更复杂的标注场景
- 提高了自动化标注的精确度
开发者体验优化
SDK改进
针对Python SDK的改进包括:
-
新增了
BackgroundRequestException
异常类,专门用于处理后台请求(如数据集导出或任务创建)失败的情况,替代了原先通用的ApiException
,使错误处理更加精确。 -
修复了
DetectionFunction.detect
方法文档字符串中关于属性的过时说明,提高了API文档的准确性。
后台请求处理优化
对于所有会触发后台处理的请求(如数据集导出),现在在返回409状态码时也会同时返回请求ID。这一改进使得:
- 开发者能够更轻松地跟踪后台任务状态
- 提高了系统的可观测性
- 简化了错误排查流程
同时修复了当工作队列中存在依赖关系时可能出现的Redis 'watch'命令参数错误问题,提高了系统的稳定性。
数据格式与功能增强
Datumaro格式支持椭圆
Datumaro数据格式现在新增了对椭圆标注类型的支持,这使得:
- 用户可以更灵活地处理特殊形状的标注需求
- 扩展了CVAT在医学图像等专业领域的适用性
- 丰富了可交换的标注数据类型
帧搜索功能改进
新增了按文件名搜索帧的功能,这一改进:
- 提高了大规模数据集中的导航效率
- 支持更精确的帧定位
- 优化了用户工作流程
同时修复了当没有分配快捷键时工具提示显示空括号的问题,提升了用户体验的一致性。
问题修复与性能优化
-
优化了质量检查相关API端点的性能,特别是
GET api/quality/reports/
和GET api/quality/conflicts/
请求。 -
放宽了COCO格式导入时的字段要求,现在不再强制要求包含非必要字段,提高了格式兼容性。
-
修复了轨迹插值过程中的'tuple'对象没有'copy'属性的错误,提高了标注工具的稳定性。
总结
CVAT v2.37.0版本在标注质量保证、交互式检测支持以及开发者体验等方面都做出了显著改进。这些更新不仅增强了核心功能,也提高了系统的稳定性和易用性,使得CVAT在计算机视觉数据标注领域的领先地位得到进一步巩固。对于依赖高质量标注数据的AI开发团队来说,升级到这一版本将能够获得更高效、更可靠的标注体验。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~055CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0380- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









