CVAT项目v2.38.0版本发布:数据测量与流程优化
项目简介
CVAT(Computer Vision Annotation Tool)是一个开源的计算机视觉标注工具,广泛应用于机器学习领域的数据标注工作。作为一款功能强大的标注平台,CVAT支持图像和视频数据的标注,并提供多种标注格式的导入导出功能。本次发布的v2.38.0版本带来了一系列实用改进和优化。
核心功能更新
数据资源测量机制
本次版本引入了一个重要的新特性——数据资源测量系统。该系统能够自动测量用户上传的各种数据资源(包括图像、视频和指南资产)的大小。这一改进为系统管理员提供了更好的资源监控能力,有助于:
- 更精确地掌握存储空间使用情况
- 优化资源分配策略
- 为计费系统提供数据支持
对于现有资源,管理员需要执行python manage.py initcontentsize命令来初始化测量数据。这一设计既保证了新上传资源的自动测量,又为历史数据提供了迁移方案。
事件导出缓存优化
为了提高系统性能和稳定性,本次更新对事件导出缓存机制进行了优化:
- 缓存文件存储位置从
/data/tmp/迁移到专门的/data/cache/export/目录 - 新增了定期清理机制,通过
cleanup_export_cache_directory定时任务自动维护缓存空间
这种改进不仅使文件管理更加规范,还能有效防止临时文件堆积导致的存储空间问题。
API接口调整
事件处理流程重构
v2.38.0版本对事件处理相关的API进行了重大调整:
-
废弃了
GET /api/events端点,转而推荐使用新的三步流程:- 通过
POST /api/events/export发起导出请求 - 使用
GET /api/requests/rq_id查询处理状态 - 从后台请求详情中获取结果URL进行下载
- 通过
-
类似地,质量报告接口也进行了简化,废弃了
POST /api/quality/reports/rq_id=rq_id,统一使用请求状态查询接口
这种调整使API设计更加一致,降低了使用复杂度。
废弃的状态检查功能
为了提高API的简洁性,本次更新移除了多个端点中的状态检查功能,包括:
- 共识合并接口
- 项目数据集导入状态接口
- 项目和任务备份接口
- 任务和作业标注更新接口
相应的SDK类(如DatasetWriteRequest等)也被移除,开发者需要适应新的API使用方式。
功能改进与问题修复
标注格式兼容性增强
针对YOLO格式的导入功能进行了多项优化:
- 支持从文件夹结构的归档文件中导入数据集
- 修复了Ultralytics YOLO格式在没有图像信息时的导入问题
这些改进显著提升了YOLO格式的兼容性,使数据导入过程更加顺畅。
质量控制功能修复
质量相关功能也获得了多项修复:
- 解决了"检查方向"设置保存后不更新的问题
- 修复了项目质量页面只显示前10个任务的限制
- 改进了备份恢复功能中资产所有者字段的处理
安全增强
本次发布修复了一个重要的安全问题,防止了通过可浏览API泄露某些资源名称和ID的风险。这一修复增强了系统的安全性,保护了用户数据的隐私。
总结
CVAT v2.38.0版本通过引入数据资源测量、优化缓存管理、重构API接口等一系列改进,进一步提升了系统的稳定性、安全性和易用性。这些变化既考虑了现有用户的使用习惯,又为系统未来的扩展奠定了基础。对于管理员和开发者而言,建议关注API变更和数据测量功能的集成,以确保平滑升级到新版本。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00