CVAT项目v2.32.0版本发布:优化内存与增强功能
2025-06-03 14:03:45作者:卓艾滢Kingsley
项目简介
CVAT(Computer Vision Annotation Tool)是一个开源的计算机视觉标注工具,广泛应用于图像和视频数据的标注工作。它为机器学习项目提供了强大的数据标注功能,支持多种标注类型和格式。
版本亮点
CVAT v2.32.0版本带来了多项重要更新,主要集中在性能优化、功能增强和用户体验改进三个方面。
1. 内存使用优化
本次版本对多个场景下的内存使用进行了显著优化:
- 在YOLO和COCO格式的任务导出过程中,内存使用效率得到提升
- 项目导出为YOLO和COCO格式时的内存消耗降低
- 备份导入操作的内存占用也进行了优化
这些改进使得CVAT在处理大规模数据集时更加稳定可靠,特别是对于资源受限的环境尤为重要。
2. 标注功能增强
- 新增了
conv_mask_to_poly参数支持,允许在项目、任务和作业导入注释时将掩码转换为多边形 - SDK中的自动标注功能现在支持骨架输出,可以通过代理使用
- 检测函数规范(DetectionFunctionSpec)现在要求关键点子标签类型必须设置为点(point)
3. 用户体验改进
- 组织页面增加了搜索栏和过滤组件,便于管理
- 质量和共识设置页面增加了错误通知功能
- 移除了质量控制页面上的多余滑块
- 修复了质量页面标准浏览器后退按钮的行为问题
- 共识管理页面的样式问题得到修复
技术架构调整
API变更
本次版本对API进行了重大调整,移除了多个直接处理导出过程的端点,改为统一使用请求API:
- 项目数据集导出状态检查现在应使用请求API
- 移除了直接处理导出过程的项目、任务和作业相关端点
日志与监控
- 为Uvicorn标准输出日志添加了时间戳
- 调整了Traefik访问日志的字段,使其与Helm部署保持一致
- 更新Traefik至v3.3.x版本
安全与SEO
- 新增了robots.txt文件,用于管理爬虫流量
- 修复了云存储预览无法下载时返回500错误的问题,现在会返回404状态码和详细信息
部署相关更新
对于使用Helm部署的用户:
- 新增了
cvat.backend.extensionEnv值,支持超级图表向后端容器添加环境变量 - 修复了前端部署模板问题,该问题曾导致在定义额外卷和卷挂载时渲染失败
移除的功能
- 移除了现有的分析报告实现
- 移除了多个直接处理导出过程的API端点
总结
CVAT v2.32.0版本通过内存优化显著提升了处理大规模数据集的能力,同时增强了标注功能和用户体验。API的调整使得系统架构更加统一和规范。这些改进使得CVAT继续保持着作为开源计算机视觉标注工具领先地位的优势。
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
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