Recogito2 开源项目教程
1. 项目介绍
Recogito2 是一个由 Pelagios Commons 开发的语义注释工具,支持对文本和图像进行注释。该项目旨在帮助用户在没有尖括号的情况下进行语义注释,提供了丰富的功能和灵活的配置选项。Recogito2 基于 Java 和 Scala 开发,使用了 SBT、Node.js、PostgreSQL 和 ElasticSearch 等技术栈。
2. 项目快速启动
2.1 环境准备
在开始之前,请确保您的系统满足以下要求:
- Java 8 JDK
- SBT(版本 1.0.x)
- Node.js(版本 10.4.1)及 npm(版本 6.1.0)
- Webpack 和 webpack-cli(全局安装)
- PostgreSQL(测试版本 9.5)
- ElasticSearch v5.6.5(注意:不要使用 ES v6.x,因为这引入了不兼容的更改)
2.2 安装步骤
-
克隆项目仓库
git clone https://github.com/pelagios/recogito2.git cd recogito2 -
配置数据库
在您的 PostgreSQL 数据库服务器上创建一个名为
recogito的数据库。如果需要使用其他名称,请在配置文件中进行相应调整。 -
配置应用
复制
conf/application.conf.template文件并命名为conf/application.conf。根据您的环境进行必要的更改。 -
安装依赖
npm install -
启动应用
sbt run启动后,打开浏览器并访问
http://localhost:9000。 -
创建管理员用户
Recogito2 自动创建一个具有管理员权限的用户,用户名为
recogito,密码为recogito。请务必在生产环境中删除此用户或更改其密码。
3. 应用案例和最佳实践
3.1 文本注释
Recogito2 提供了强大的文本注释功能,用户可以对文本中的实体进行标注,并将其与地理信息关联起来。这对于历史文献、考古报告等领域的研究非常有用。
3.2 图像注释
除了文本注释,Recogito2 还支持图像注释。用户可以在图像上标记感兴趣的区域,并添加注释。这对于地图、艺术品等图像资源的分析非常有帮助。
3.3 最佳实践
- 数据备份:定期备份数据库和上传的文件,以防止数据丢失。
- 用户管理:在生产环境中,删除默认的管理员用户,并创建新的管理员账户。
- 性能优化:根据实际需求调整 ElasticSearch 和 PostgreSQL 的配置,以优化系统性能。
4. 典型生态项目
4.1 Pelagios Commons
Pelagios Commons 是一个致力于促进古代世界数据共享和互操作性的社区。Recogito2 是该社区的核心项目之一,旨在提供一个开放的、可扩展的注释平台。
4.2 IIIF(International Image Interoperability Framework)
IIIF 是一个开放的图像互操作性框架,Recogito2 支持 IIIF 标准,使得用户可以轻松地将图像资源与注释系统集成。
4.3 ElasticSearch
ElasticSearch 是一个分布式搜索和分析引擎,Recogito2 使用 ElasticSearch 来存储和检索注释数据,提供了高效的搜索和查询功能。
通过这些生态项目的支持,Recogito2 能够为用户提供一个强大且灵活的语义注释平台。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00