fiftyone-develop-plugin
79بناء إضافات FiftyOne
قد يتطلب العمل على إضافات FiftyOne العديد من الملفات وواجهات API وخطوات الاختبار. توجه هذه المهارة الوكلاء خلال التخطيط وتوليد الكود والتثبيت المحلي والتكرار.
إنشاء مجموعات بيانات استدلال FiftyOne
تحتاج فرق الرؤية الحاسوبية إلى طرق قابلة للتكرار لتحميل الوسائط والتسميات والتنبؤات في FiftyOne. ترشد هذه المهارة Claude وCodex وClaude Code خلال إنشاء مجموعات البيانات، والتحقق من صحة الاستيراد، واستدلال النماذج.
انسخ هذا الطلب إلى Agent لديك. يتضمن صفحة Skill المعتمدة وملف manifest.
Review the Skillstore skill "fiftyone-dataset-inference" from https://skillstore.io/skills/adonaivera-fiftyone-dataset-inference.md and its manifest at https://skillstore.io/api/skills/adonaivera-fiftyone-dataset-inference/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.يجب أن يواصل Agent عرض خطته وطلب أي تأكيد تفرضه سياسة الأمان.
استخدم هذه الروابط عندما يحتاج AI Agent أو crawler أو script إلى سياق نظيف بدلًا من قراءة الصفحة كاملة.
جارٍ استخدام "fiftyone-dataset-inference". يحتاج مجلد صور منتجات غير موسومة إلى تنبؤات كشف الكائنات.
النتيجة المتوقعة:
جارٍ استخدام "fiftyone-dataset-inference". يحتاج ملف تعليقات COCO ودليل صور إلى التحقق من صحة الاستيراد.
النتيجة المتوقعة:
جارٍ استخدام "fiftyone-dataset-inference". تحتاج مجموعة بيانات YOLOv5 إلى تحويلها إلى مجموعة بيانات مراجعة قابلة للبحث.
النتيجة المتوقعة:
The static findings are mostly false positives caused by Markdown fences, inline code, and documentation links. The skill is focused on FiftyOne dataset import and inference, but it includes behavior-level risks around Bash directory scans and dependency installation commands returned by tooling.
شارك تقرير التقييم المرتبط بالإصدار والشارة المحايدة وبطاقة التضمين والاستشهادات. تعرض Skillstore الأدلة من دون أن تقرر ما إذا كانت هذه المهارة آمنة.
https://skillstore.io/skills/adonaivera-fiftyone-dataset-inference/audits/8?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/adonaivera-fiftyone-dataset-inference?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/adonaivera-fiftyone-dataset-inference?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/adonaivera-fiftyone-dataset-inference/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/adonaivera-fiftyone-dataset-inference.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>AdonaiVera. (2026). fiftyone-dataset-inference security audit report (audit version 8) [Author version unspecified]. Skillstore. https://skillstore.io/skills/adonaivera-fiftyone-dataset-inference/audits/8@techreport{adonaivera-adonaivera-fiftyone-dataset-inference-2026,
author = {AdonaiVera},
title = {fiftyone-dataset-inference security audit report (audit version 8)},
institution = {Skillstore},
year = {2026},
number = {8},
url = {https://skillstore.io/skills/adonaivera-fiftyone-dataset-inference/audits/8},
note = {Author version unspecified}
}cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "fiftyone-dataset-inference security audit report (audit version 8)"
version: "unspecified"
type: report
authors:
- name: "AdonaiVera"
date-released: "2026-07-05"
url: "https://skillstore.io/skills/adonaivera-fiftyone-dataset-inference/audits/8"
identifiers:
- type: other
value: "skillstore:adonaivera-fiftyone-dataset-inference:audit:8"
description: "Skillstore immutable audit report identifier"
حمّل مجلدات الصور غير الموسومة في FiftyOne وأنشئ تنبؤات كشف للمراجعة البصرية.
أنشئ مجموعات بيانات من تسميات COCO أو YOLO أو VOC مع إبقاء الحقيقة الأساسية منفصلة عن التنبؤات.
افحص محتويات المجلد، واستورد العينات، وأكد الأعداد، وافتح عرض FiftyOne لفحوصات الجودة.
أنشئ مجموعة بيانات FiftyOne من مجلد الوسائط المحلي هذا. افحص المجلد أولا، واقترح اسم مجموعة بيانات، واسأل قبل الاستيراد.
استورد مجموعة بيانات صور COCO الخاصة بي إلى FiftyOne. استخدم حقل ground_truth منفصلا وتحقق من عدد العينات بعد الاستيراد.
بعد استيراد مجموعة البيانات، شغّل نموذجا مدمجا سريعا للكشف واحفظ التنبؤات في حقل predictions.
ابن سير عمل FiftyOne شاملا لمجموعة البيانات هذه. اكتشف التنسيق، واستورد التسميات، وشغّل نموذجا مناسبا، وابدأ تشغيل التطبيق، ولخص نتائج التحقق.
المؤلف
AdonaiVeraالترخيص
MIT
مراجعة Skillstore
r1
تنبيه الإصدار
لم يعلن المؤلف عن إصدار.
مرجع
6eec4a59f63ff83440a84c18d1aef79743bc714e
حداثة الصيانة
٢٢/٧/٢٠٢٦
الاستخدام
6 تنزيلات · 327 مشاهدات
بنية الملفات
📄 SKILL.md
بناء إضافات FiftyOne
قد يتطلب العمل على إضافات FiftyOne العديد من الملفات وواجهات API وخطوات الاختبار. توجه هذه المهارة الوكلاء خلال التخطيط وتوليد الكود والتثبيت المحلي والتكرار.
تطبيق نمط كود Python الخاص بـ FiftyOne
يحتاج مساهمو FiftyOne إلى نمط Python متسق عبر الاستيرادات، وسلاسل التوثيق، والأدوات المساعدة، والتحقق. توفر هذه المهارة اصطلاحات وقوائم تحقق مركزة للكود المتوافق.
فرز مشكلات FiftyOne
غالبًا ما يحتاج المشرفون إلى فرز متسق للمشكلات عبر البلاغات والتعليقات والأدلة البرمجية. توفر هذه المهارة سير عمل مركزًا وقوالب ردود لمشكلات FiftyOne على GitHub.
تصوّر تضمينات FiftyOne
يمكن أن تخفي مجموعات بيانات الصور عناقيد، وقيمًا شاذة، ومشكلات في التسميات. ترشد هذه المهارة Claude وCodex وClaude Code عبر تصورات تضمينات FiftyOne.
العثور على الصور المكررة في FiftyOne
يمكن أن تشوه الصور المكررة وشبه المكررة جودة مجموعة البيانات وتدريب النموذج. ترشد هذه المهارة Claude أو Codex أو Claude Code خلال سير عمل FiftyOne Brain للعثور على العينات الزائدة ومراجعتها وإزالتها.
استيراد مجموعات بيانات الرؤية إلى FiftyOne
غالبا ما تفشل عمليات استيراد مجموعات البيانات عندما تستخدم الوسائط والتعليقات التوضيحية والمجلدات متعددة الوسائط تنسيقات مختلفة. ترشد هذه المهارة إلى الفحص، والاكتشاف، وإعداد الحزم، والاستيراد، والتجميع، والتحقق في FiftyOne.
بناء أنظمة رؤية حاسوبية للإنتاج
بواسطة alirezarezvani
تحتاج فرق الرؤية الحاسوبية إلى إرشادات موثوقة للنماذج ومجموعات البيانات والاستدلال والنشر. تساعد هذه المهارة في تخطيط وتحسين خطوط معالجة الرؤية في الإنتاج عبر فحوصات هندسية عملية.
تحليل الصور باستخدام Azure AI Vision وPython
بواسطة sickn33
تحتاج مسارات عمل تحليل الصور إلى التسميات التوضيحية وOCR والكشف والقص دون إعادة بناء أمثلة SDK. ترشد هذه المهارة Claude وCodex وClaude Code عبر Azure AI Vision Image Analysis لـ Python.
بناء أنظمة الرؤية الحاسوبية
بواسطة sickn33
تتطلب مشاريع الرؤية الحديثة اختيارات عبر الاكتشاف، والتجزئة، وVLMs، والعمق، والنشر. ترشد هذه المهارة إلى تصميم البنية، واختيار النماذج، والتحسين، والنشر على الحافة لأنظمة رؤية حاسوبية عملية.
بناء تحليل صور Azure Vision باستخدام Java
بواسطة sickn33
تحتاج فرق Java إلى أنماط موثوقة لتحليل الصور باستخدام Azure AI Vision. توفّر هذه المهارة أمثلة SDK مركّزة لـ OCR، والتسميات التوضيحية، والوسوم، والكائنات، والأشخاص، والاقتصاصات الذكية.
إنشاء تدفقات عمل للمحوّلات باستخدام Hugging Face
بواسطة davila7
تتطلب مشاريع المحوّلات اختيارات مدروسة للنماذج وأدوات الترميز والاستدلال والتوليد والتدريب. توفر هذه المهارة أنماطًا عملية لإنشاء تدفقات عمل Hugging Face وتحسينها.
تشغيل تطبيقات الذكاء الاصطناعي السحابية من CLI
بواسطة inference-shell
تحتاج الفرق إلى واجهة واحدة للعديد من نماذج الذكاء الاصطناعي المستضافة. ترشد هذه المهارة Claude وCodex وClaude Code خلال اكتشاف inference.sh CLI وتنفيذه وتتبع المهام.