voxel51 GitHub avatar

fiftyone

TypeScript
视觉数据集管理工具voxel51最近推送 2026年11月19日
数据与评测Apache-2.011.3k853714 issues7 天 +21

AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日

开源工具,用于构建高质量计算机视觉数据集和模型。

FiftyOne 是一个开源工具,帮助开发者可视化、标注和评估视觉数据,从而提升数据集和模型质量。它支持数据清洗、筛选、主动学习等数据中心化 AI 工作流。

推荐指数

4.0

功能全面、社区活跃,适合计算机视觉团队管理数据集和模型评估。

近 7 天

+21

新增 Star

总 Star 排名

#612

雷达追踪的 3,958 个 AI 仓库中

创建于

2020

2020年4月22日

核心亮点

  • 1数据可视化

    提供交互式界面浏览和检查图像、视频等视觉数据。

  • 2模型评估

    支持在数据集上评估模型性能,并分析错误样本。

  • 3数据清洗

    内置筛选、去重、标注错误检测等数据质量工具。

  • 4主动学习

    通过不确定性采样等方式选择最有价值样本进行标注。

  • 5向量搜索

    支持基于嵌入向量的相似性搜索和聚类分析。

适用场景

  • 数据集质量检查

    例如:使用 FiftyOne 可视化数据集,找出标注错误或重复图像。

  • 模型错误分析

    例如:在验证集上运行模型,用 FiftyOne 查看误检样本并分析原因。

  • 主动学习标注

    例如:利用 FiftyOne 的主动学习功能挑选难例,优先标注以提升模型。

它是怎么工作的

  1. 第 1 步

    加载数据

    通过 Python API 将图像、视频等数据集导入 FiftyOne。

  2. 第 2 步

    可视化探索

    启动 FiftyOne App 在浏览器中交互式查看和筛选数据。

  3. 第 3 步

    分析评估

    运行模型评估、相似性搜索或数据清洗操作。

  4. 第 4 步

    导出结果

    将筛选后的数据或分析结果导出用于训练或进一步处理。

快速上手

  1. 1

    安装

    使用 pip 安装 FiftyOne。

    pip install fiftyone
  2. 2

    加载示例数据集

    在 Python 中加载内置数据集并启动 App。

    import fiftyone as fo
    dataset = fo.load_dataset("quickstart")
    session = fo.launch_app(dataset)

适合谁

  • 计算机视觉工程师
  • 数据科学家
  • 机器学习研究者
  • 需要管理视觉数据集的团队

不太适合

  • 非视觉领域的机器学习开发者
  • 仅需简单数据标注工具的用户

成熟度

  • 活跃度最近更新于 2026 年 11 月,持续活跃开发。
  • 文档提供详细文档、教程和快速入门指南。
  • 社区11k+ stars,850 forks,有 Discord 社区,但 issue 较多(720 开放)。
  • 上手难度pip 安装简单,提供 Python API 和可视化界面,但需要一定学习成本。

同类项目怎么选

  • Label Studio侧重数据标注,而 FiftyOne 更侧重数据集管理和模型评估。
  • CVAT专注于视频和图像标注,FiftyOne 提供更广泛的数据分析功能。

使用前注意

  • · 需要 Python 3.10-3.13 环境。
  • · 默认使用 MongoDB,可能需要额外配置。
  • · Apache-2.0 许可证,可商用。
  • · 大规模数据集可能需要较多内存和存储。

主题标签

machine-learningartificial-intelligencedeep-learningcomputer-visiondeveloper-toolsdata-sciencepythonactive-learningdata-centric-aidata-cleaningdata-curationdata-qualityimage-classificationobject-detectionunstructured-datavector-searchvisualization