CVAT项目SDK扩展:如何添加自定义API方法
2025-05-16 15:02:25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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
deepin linux kernel
C
28
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
576
99
暂无描述
Dockerfile
710
4.51 K
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++
958
955
🎉 (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
1.61 K
942
Ascend Extension for PyTorch
Python
573
694
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
414
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.43 K
116
暂无简介
Dart
952
235
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
12
2