Мы рады сообщить о выходе Xtreme1 v0.6. После пары недель упорной работы это обновление теперь доступно для загрузки.

В этом обновлении Xtreme1 предоставляет пользователям возможность интегрировать собственную модель. Кроме того, улучшен эффект отображения карты подобия.

Мы понимаем, что у некоторых пользователей возникают проблемы с форматами данных при загрузке и экспорте данных. Для решения этой проблемы мы обновили нашу документацию, которую можно найти в Документах и универсальный конвертер из Xtreme1-SDK.

Новые возможности

Интеграция модели

Чтобы предоставить пользователям больший контроль над своими моделями, мы добавили функции, которые позволяют им создавать, редактировать, искать и удалять модели. С помощью этой функции пользователи могут управлять базовой информацией о модели, классами, деталями конфигурации и запускать модель на наборах данных.

Для получения дополнительной информации, пожалуйста, обратитесь к нашему Руководству по интеграции моделей.

Расширенная функция импорта и экспорта данных

Импорт данных

  • Поддержка импорта набора данных предварительной аннотации в наборе 3D-данных.

Примечание. Поддерживается только импорт имени класса, атрибуты и глобальная классификация еще не поддерживаются.

Экспорт данных

  • Формат COCO можно экспортировать напрямую
  • При экспорте данных можно применить Фильтр.

Пример файла JSON в формате COCO:

{
 "info": {
  "contributor": "",
  "date_created": "2023-04-11T09:03:50Z",
  "description": "Basic AI Xtreme1 dataset 0.6 demo exported to COCO format (https://github.com/basicai/xtreme1)",
  "url": "https://github.com/basicai/xtreme1",
  "year": "2023",
  "version": "Xtreme1 V0.6"
 },
 "licenses": [],
 "images": [
  {
   "id": 0,
   "license": 0,
   "file_name": "filename.png",
   "xtreme1_url": "https://.../image_url",
   "width": 1024,
   "height": 1024,
   "date_captured": null
  }
 ],
 "annotations": [
  {
   "id": 0,
   "image_id": 0,
   "category_id": 1,
   "segmentation": [],
   "area": 679272,
   "bbox": [
    64,
    76,
    913,
    744
   ],
   "iscrowd": 0,
   "score": null
  }
 ],
 "categories": [
  {
   "id": 1,
   "name": "sea_otter",
   "supercategory": "",
   "attributes": {}
  }
 ]
}

Оптимизация карты схожести изображений

  • Алгоритм оптимизирован.
  • Выбрав несколько целей на карте сходства изображений, вы можете перейти на вкладку данных, чтобы найти соответствующие изображения.

Добавить разделение набора данных

В процессе подготовки данных для обучения модели данные могут быть непосредственно разделены на поднаборы данных Наборы для обучения, тестирования и проверки.

Обучающий набор данных — это набор примеров, используемых для подбора параметров модели машинного обучения, обычно с использованием контролируемых методов обучения и корректировки параметров. Проверочный набор данных обеспечивает беспристрастную оценку соответствия модели обучающему набору данных при настройке гиперпараметров модели, которые часто используются для регуляризации путем ранней остановки. Тестовый набор данных предлагает беспристрастную оценку соответствия окончательной модели обучающему набору данных, гарантируя, что модель хорошо работает с невидимыми данными.

Изменения и исправления ошибок

  • Оптимизирована четкость изображения предварительного просмотра, в том числе в наборе данных и поиске сценария.
  • В Scenario Search изменен стиль окна поиска.
  • Исправлен результат, который не мог быть рассчитан в некоторых случаях.

Посетите Документацию Xtreme1, чтобы узнать больше, или перейдите в репозиторий GitHub, чтобы установить обновленную версию Xtreme1. Как всегда, если у вас есть какие-либо отзывы или предложения по улучшению, не стесняйтесь обсуждать их в нашем сообществе Slack или дайте нам знать, открыв вопрос на GitHub, и мы обязательно вам поможем.

GitHub: https://github.com/xtreme1-io/xtreme1

Документы: https://docs.xtreme1.io

Slack: https://xtreme1io.slack.com

Веб-сайт: https://www.xtreme1.io

Разработано командой BasicAI Team