CVAT项目v2.29.0版本发布:云存储任务备份与标注功能增强
2025-06-03 04:21:11作者:滕妙奇
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数据标注领域。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工作,为计算机视觉模型的训练提供高质量的数据集。
版本核心更新
云存储任务备份功能
本次v2.29.0版本最显著的改进是增加了从云存储创建任务的备份能力。在之前的版本中,用户虽然可以从云存储创建标注任务,但这些任务的数据无法进行备份。新版本解决了这一痛点,使得基于云存储的任务也能像本地任务一样进行完整备份,大大提高了数据的安全性和可靠性。
这项改进对于企业级用户尤为重要,因为:
- 确保云存储数据的冗余备份,防止意外数据丢失
- 方便项目迁移和团队协作
- 为数据版本控制提供了更好的支持
CLI工具功能增强
在命令行接口(CLI)方面,function create-native命令现在能够将函数声明的标签类型发送到服务器。这一改进使得:
- 自动化脚本能够更精确地控制标注类型
- 减少了手动配置的工作量
- 提高了批量创建函数时的准确性和一致性
标注类型映射优化
在Nuclio函数调用方面,新版本优化了标签类型的映射规则。现在,类型为"any"的标签可以映射到除"skeleton"外的所有标签类型。这一变化带来了以下优势:
- 提高了标注函数的灵活性
- 减少了因类型不匹配导致的错误
- 为复杂标注场景提供了更好的支持
关键问题修复
版本修复了一个重要的服务器端轨迹插值问题。在包含已删除帧的任务中,轨迹插值可能会出现错误。这个修复:
- 确保了标注数据的准确性
- 提高了视频标注的可靠性
- 避免了因帧删除导致的数据不一致问题
技术影响分析
从技术架构角度看,这些改进反映了CVAT在以下几个方面的持续优化:
- 数据完整性:通过云存储备份和轨迹插值修复,强化了数据处理的可靠性
- 自动化支持:CLI功能的增强为大规模自动化标注提供了更好的工具支持
- 类型系统:标注类型的灵活映射展示了类型系统的成熟度提升
应用场景建议
基于新版本特性,我们推荐在以下场景优先考虑升级:
- 云端协作项目:需要频繁从云存储创建和备份任务的团队
- 自动化标注流程:依赖CLI和Nuclio函数进行批量处理的场景
- 复杂视频标注:涉及帧删除和轨迹插值的工作流程
总结
CVAT v2.29.0版本通过云存储备份、CLI增强和标注类型优化,进一步提升了工具的实用性和可靠性。这些改进特别适合需要处理大规模标注任务的企业和团队,标志着CVAT在专业标注工具领域的持续进步。建议现有用户评估升级,特别是那些依赖云存储和自动化流程的用户群体。
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
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
268
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
621
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