CVAT项目SDK扩展:如何添加自定义API方法
2025-05-16 15:12:24作者:董灵辛Dennis
背景介绍
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。其SDK提供了与CVAT服务器交互的编程接口,开发者可以通过Python代码管理项目、任务和标注数据。
在实际开发中,我们经常需要扩展CVAT的默认功能,这就涉及到对SDK的自定义修改。本文将详细介绍如何在CVAT SDK中添加自定义API方法,以满足特定业务需求。
问题分析
当我们需要在CVAT中添加新的后端功能并通过SDK调用时,通常会遇到以下挑战:
- 修改后的SDK代码无法被正确加载,因为Python默认会使用已安装的包而非本地修改版本
- 新增的API端点需要通过SDK正确暴露
- 需要确保自定义方法与现有SDK架构兼容
解决方案
1. 开发环境准备
首先需要以开发模式安装CVAT SDK,这样才能使修改立即生效:
pip uninstall cvat-sdk # 移除已安装版本
cd /cvat/cvat-sdk # 进入SDK源码目录
pip install -e . # 以可编辑模式安装
这种方式创建的安装是"链接式"的,Python会直接使用源码目录中的代码,而不是site-packages中的打包版本。
2. 添加自定义API方法
在CVAT SDK中,项目相关的操作主要定义在cvat-sdk/core/proxies/project.py文件中。我们需要在两个类中添加方法:
在ProjectsRepo类中添加方法:
def update_project_visionia(self, id: int):
project = self.retrieve(id)
return project.update_project_visionia()
在Project类中添加方法:
def update_project_visionia(self):
(_, response) = self._client.api_client.put(
f"/api/visionia/{self.id}/update-project/"
)
self.fetch() # 刷新项目数据
return response
3. 后端API实现
后端需要实现对应的API端点,通常是在Django视图集中添加:
@action(detail=True, methods=['PUT'], url_path='update-project')
def update_project_visionia(self, request, pk=None):
# 自定义业务逻辑
pass
并在URL路由中配置:
path('api/visionia/<int:pk>/update-project/',
visionia.VisioniaViewSet.as_view({'put': 'update_project_visionia'}),
name='project_update'),
4. 客户端调用
完成上述修改后,可以通过以下方式调用自定义方法:
def update_project_visionia(self):
try:
with make_client(self.host, port=self.port,
credentials=(self.username, self.password)) as client:
project = client.projects.retrieve(self.id)
return project.update_project_visionia()
except exceptions.ApiException as e:
print(f'Exception on API call for update_project_visionia: {e}')
raise
注意事项
- 方法命名一致性:确保后端API端点、SDK方法和客户端调用使用一致的命名约定
- 错误处理:自定义方法应该遵循SDK现有的错误处理模式
- 数据刷新:修改操作后调用
fetch()确保本地对象状态与服务器同步 - API版本兼容:考虑自定义方法对不同CVAT版本的兼容性
总结
通过本文介绍的方法,开发者可以灵活扩展CVAT SDK的功能,满足特定业务需求。关键在于:
- 正确设置开发环境,以可编辑模式安装SDK
- 遵循SDK现有架构添加自定义方法
- 确保前后端API定义一致
- 处理好错误情况和数据同步
这种扩展方式不仅适用于项目(Project)相关操作,同样可以应用于任务(Task)、作业(Job)等其他CVAT实体,为CVAT的功能定制提供了灵活的技术方案。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-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。00
最新内容推荐
操作系统概念第六版PDF资源全面指南:适用场景与使用教程 RadiAnt DICOM Viewer 2021.2:专业医学影像阅片软件的全面指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 Python Django图书借阅管理系统:高效智能的图书馆管理解决方案 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1