登录 注册

fiftyone

去点 Star
AI 模型与开发框架开发者工具内容创作与媒体工具 active-learningartificial-intelligencecomputer-visiondata-centric-aidata-cleaningdata-curation
11,294
Stars
845
Forks
64
Watchers
700
Open Issues
Apache-2.0
许可证
TypeScript
语言
2020-04-22
创建时间
2026-11-10
最近更新

项目能做什么

用于构建与优化高质量数据集及视觉 AI 模型的工具平台。
来源：AI 基于仓库事实生成 · 内容以仓库实际 README 为准

使用说明 查看原始 README 原仓库文档

中文使用说明暂未生成。下面保留原仓库 README 摘录，命令与配置均以原文为准。
原始 README 摘录（英文原文，节选前 3000 字符） 
<div align="center">
<p align="center">

<!-- prettier-ignore -->
<img src="https://user-images.githubusercontent.com/25985824/106288517-2422e000-6216-11eb-871d-26ad2e7b1e59.png" height="55px"> &nbsp;
<img src="https://user-images.githubusercontent.com/25985824/106288518-24bb7680-6216-11eb-8f10-60052c519586.png" height="50px">

**The open-source tool for building high-quality datasets and computer vision
models**

---

<!-- prettier-ignore -->
<a href="https://voxel51.com/fiftyone">Website</a> •
<a href="https://docs.voxel51.com">Docs</a> •
<a href="https://colab.research.google.com/github/voxel51/fiftyone-examples/blob/master/examples/quickstart.ipynb">Try it Now</a> •
<a href="https://docs.voxel51.com/getting_started_guides/index.html">Getting Started Guides</a> •
<a href="https://docs.voxel51.com/tutorials/index.html">Tutorials</a> •
<a href="https://voxel51.com/blog/">Blog</a> •
<a href="https://discord.gg/fiftyone-community">Community</a>

[![PyPI python](https://img.shields.io/pypi/pyversions/fiftyone)](https://pypi.org/project/fiftyone)
[![PyPI version](https://badge.fury.io/py/fiftyone.svg)](https://pypi.org/project/fiftyone)
[![Downloads](https://static.pepy.tech/badge/fiftyone)](https://pepy.tech/project/fiftyone)
[![Docker Pulls](https://badgen.net/docker/pulls/voxel51/fiftyone?icon=docker&label=pulls)](https://hub.docker.com/r/voxel51/fiftyone/)
[![License](https://img.shields.io/badge/License-Apache%202.0-blue.svg)](LICENSE)

[![Discord](https://img.shields.io/badge/Discord-7289DA?logo=discord&logoColor=white)](https://discord.gg/fiftyone-community)
[![Hugging Face](https://img.shields.io/badge/Hugging_Face-purple?style=flat&logo=huggingface)](https://huggingface.co/Voxel51)
[![Voxel51 Blog](https://img.shields.io/badge/Voxel51_Blog-ff6d04?style=flat)](https://voxel51.com/blog)
[![Newsletter](https://img.shields.io/badge/Newsletter-BE5B25?logo=mail.ru&logoColor=white)](https://share.hsforms.com/1zpJ60ggaQtOoVeBqIZdaaA2ykyk)
[![LinkedIn](https://img.shields.io/badge/In-white?style=flat&label=Linked&labelColor=blue)](https://www.linkedin.com/company/voxel51)
[![Twitter](https://img.shields.io/badge/Twitter-000000?logo=x&logoColor=white)](https://x.com/voxel51)
[![Medium](https://img.shields.io/badge/Medium-12100E?logo=medium&logoColor=white)](https://medium.com/voxel51)

</p>
</div>

# 👋 hey there!

We created **[FiftyOne](https://fiftyone.ai)** to supercharge your visual AI
development by enabling you to visualize and label your data, evaluate your
models, and maximize data and model quality more efficiently than ever before
🤝

If you're looking to scale to production-grade, collaborative, cloud-native
enterprise workloads, check out **[Voxel51](https://app.voxel51.com/)** 🚀

<div id='installation'/>

## <img src="https://user-images.githubusercontent.com/25985824/106288517-2422e000-6216-11eb-871d-26ad2e7b1e59.png" height="20px"> &nbsp; installation &nbsp; 💻

As simple as:

```shell
pip install fiftyone
```

<details>
<summary>More de
阅读完整原文

商业机会分析 AI 生成

工业质检场景的轻量 Badcase 分析与清洗工具箱

产品构想基于 FiftyOne 插件机制与 Python SDK，封装针对工业质检（缺陷检测、分类）的自动化漏检/过杀样本排查与增强建议系统。
核心功能一键导入缺陷数据集、混淆矩阵关联可视化样本、异常样本高维嵌入分布聚类、缺陷漏检自动规则标注。
目标用户制造企业视觉检测算法团队、工业自动化方案集成商。
难度/周期中等 · 2 - 3 个月 · 成本：几千元（GPU算力测试机及云端Demo托管费用）
收费模式按席位订阅许可售卖，或提供私有化集成与咨询服务。
竞争风险垂直工业场景数据格式非标、获取真实缺陷数据集难度高。
依据 已验证事实

FiftyOne 轻量协同与模型评测中台（面向中小团队）

产品构想针对买不起官方 FiftyOne Teams 的中小型团队，基于开源版构建包含轻量级权限管理、共享会话、标注平台（如CVAT/Label Studio）双向同步的协作外挂服务。
核心功能多用户基于RBAC的数据集访问、同步标注状态回传、Badcase 标记并派发修复工单、共享可视化视图URL。
目标用户5-20人的中小型计算机视觉研发团队、高校科研实验室。
难度/周期高 · 3 - 5 个月 · 成本：1 - 2 万元（开发服务器、持续集成、多端测试资源）
收费模式自托管软件许可证授权（按席位/按年）或托管版SaaS订阅。
竞争风险需直面原厂商业版（FiftyOne Teams）的潜在法律与功能挤压风险。
依据 尚需验证的假设

大规模视觉向量去重与难例挖掘 API 插件

产品构想结合 Milvus/Qdrant 等向量数据库与多模态嵌入模型，为 FiftyOne 用户提供一键清洗冗余数据、相似度检索与难例（Hard Examples）主动学习挖掘的后端算力加速服务。
核心功能FiftyOne 专属云插件集成、十万级图像秒级去重、相似难例自动聚类分群、高质量子集导出脚本生成。
目标用户拥有海量未标注图片/视频且需要精简训练集的模型工程师。
难度/周期中等 · 1 - 2 个月 · 成本：数千元（API服务器、向量检索实例与测试存储）
收费模式按处理图片数量或嵌入计算量计费（按量付费/包月套餐）。
竞争风险用户对将未标注原始数据传输至第三方云端的安全隐私顾虑较高。
依据 AI推测
AI 基于仓库公开数据分析生成，含推测成分，不构成收益承诺。
报告会保存到 个人中心

竞品与相似项目 GitHub Search 真实检索

项目中文简介Stars语言
cleanlab/cleanlab 中文介绍暂未生成
Cleanlab's open-source library is the standard data-centric
11,741 Python
VowpalWabbit/vowpal_wabbit 中文介绍暂未生成
Vowpal Wabbit is a machine learning system which pushes the
8,736 C++
argilla-io/argilla 中文介绍暂未生成
Argilla is a collaboration tool for AI engineers and domain
5,196 Python
modAL-python/modAL 中文介绍暂未生成
A modular active learning framework for Python
 2,374 Python
code-kern-ai/refinery 中文介绍暂未生成
The data scientist's open-source choice to scale, assess and
 1,473 Python
python-adaptive/adaptive 中文介绍暂未生成
:chart_with_upwards_trend: Adaptive: parallel active learnin
 1,232 Python
以上为通过 GitHub 官方 Search API 检索的相似项目，功能差异与优劣势需进一步人工确认，配置 AI 后可生成对比分析。

项目优势与风险

技术成熟度创建于 2020-04-22，近 30 天仍在推送，发布过 100 个 Release
社区活跃Star 11,294 / Fork 845 / Issue 700（数据支持，可自行核实）
许可证Apache-2.0
主要风险上游项目方向可能变化；同赛道竞争者较多（见竞品表）；热度与需求不完全等价

安装与使用

快速开始（以仓库 README 为准）
git clone https://github.com/voxel51/fiftyone.git
cd fiftyone
# 请阅读仓库 README 获取确切安装步骤（依赖、配置、启动命令）
阅读原仓库文档
术语说明：Docker＝应用容器（把程序和依赖打包运行）；API Key＝调用外部服务的密钥；Git Clone＝把仓库代码下载到本地。常见错误：API Key 未配置 / 端口占用 / 数据库连接失败，多数项目在 README 的 Troubleshooting 章节有说明。