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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217