CVAT项目v2.31.0版本发布:标注工具功能升级与优化
CVAT(Computer Vision Annotation Tool)是一个开源的计算机视觉标注工具,广泛应用于机器学习数据标注领域。它提供了丰富的标注功能,包括图像分类、目标检测、语义分割等任务的支持。CVAT以其高效性和灵活性在计算机视觉领域获得了广泛认可。
SDK功能增强:自动标注与属性处理
本次v2.31.0版本在SDK方面进行了重要升级。自动标注检测功能现在能够输出形状和关键点的属性信息,这为开发者提供了更丰富的标注数据输出能力。同时,新增的cvat_sdk.attributes
工具模块专门用于处理标签属性,简化了属性相关操作。
对于使用CVAT SDK进行自动标注的开发人员来说,这些改进意味着可以更精细地控制标注输出。例如,在目标检测任务中,现在可以直接通过自动标注输出物体的颜色、状态等属性信息,而不需要额外的后处理步骤。
共识任务合并功能改进
在多人协作标注场景中,CVAT引入了共识任务合并的简单模式。这一功能特别适用于需要多个标注人员对同一数据进行标注,然后合并结果的场景。新版本中,骨架标注中的隐藏点现在也会参与相似度计算和共识合并过程,使得合并结果更加准确和全面。
这一改进对于3D姿态估计等需要骨架标注的任务尤为重要。隐藏点(如被遮挡的关节点)的参与计算,能够更真实地反映标注质量,提高合并结果的可靠性。
用户界面与显示优化
在用户体验方面,v2.31.0版本新增了显示矩形和椭圆尺寸及旋转角度的设置选项。这一功能使得标注人员在查看和编辑几何形状时能够获得更精确的视觉反馈,提高了标注的准确性。
同时,修复了图像过滤器应用时的标签缩放问题,以及简单GT(Ground Truth)任务中图像显示不正确的问题。这些修复提升了工具在复杂标注场景下的稳定性和可用性。
数据导入与处理改进
在数据导入方面,SDK的task.upload_data()
方法现在支持Path
类型的资源输入,当资源类型为REMOTE
或SHARE
时更加灵活。这一改进简化了远程数据导入的代码编写。
值得注意的是,新版本弃用了通过特定API端点检查导入状态的方式,转而修复了可能导致导入过程中出现竞争条件的问题。这些改动使得大规模数据导入更加可靠和高效。
技术实现细节
从技术实现角度看,本次版本修复了TUS OPTIONS请求可能返回500状态码的问题。TUS是一种基于HTTP的文件上传协议,CVAT使用它来处理大文件上传。这一修复提高了文件上传功能的稳定性。
在架构层面,新版本优化了标注导入过程中的状态检查机制,避免了潜在的竞态条件,这对于保证数据一致性非常重要。
总结
CVAT v2.31.0版本在自动标注、共识合并、用户界面和数据处理等多个方面进行了功能增强和问题修复。这些改进不仅提升了工具的实用性和稳定性,也为计算机视觉数据标注工作流带来了更高的效率。特别是对骨架标注和属性处理的支持增强,使得CVAT在复杂标注场景下的表现更加出色。
对于计算机视觉研究人员和标注团队来说,升级到这一版本将获得更流畅的标注体验和更可靠的数据处理能力。随着CVAT的持续发展,它正成为开源标注工具领域的重要选择之一。
- 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~044CommonUtilLibrary
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。06GOT-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!C0300- 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









