FiftyOne-Inferenzdatensätze erstellen
Computer-Vision-Teams benötigen wiederholbare Methoden, um Medien, Labels und Vorhersagen in FiftyOne zu laden. Diese Skill führt Claude, Codex und Claude Code durch die Datensatzerstellung, Importvalidierung und Modellinferenz.
Kopieren Sie diese Anfrage in Ihren Agent. Sie enthält die maßgebliche Skill-Seite und das 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.Ihr Agent sollte weiterhin seinen Plan anzeigen und alle von der Sicherheitsrichtlinie verlangten Bestätigungen anfordern.
Verwenden Sie diese Links, wenn ein KI-Agent, Crawler oder Skript sauberen Kontext benötigt, statt die vollständige Seite zu lesen.
„fiftyone-dataset-inference“ wird verwendet. Ein Ordner mit ungelabelten Produktbildern benötigt Objekterkennungsvorhersagen.
Erwartetes Ergebnis:
„fiftyone-dataset-inference“ wird verwendet. Eine COCO-Annotationsdatei und ein Bildverzeichnis benötigen Importvalidierung.
Erwartetes Ergebnis:
„fiftyone-dataset-inference“ wird verwendet. Ein YOLOv5-Datensatz muss in einen durchsuchbaren Prüfdatensatz konvertiert werden.
Erwartetes Ergebnis:
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.
Teile den versionierten Bewertungsbericht, das neutrale Badge, die Einbettungskarte und Zitate. Skillstore berichtet Nachweise, ohne zu entscheiden, ob dieser Skill sicher ist.
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"
Ungelabelte Bildordner in FiftyOne laden und Erkennungsvorhersagen für die visuelle Prüfung generieren.
Datensätze aus COCO-, YOLO- oder VOC-Labels erstellen und dabei Ground Truth getrennt von Vorhersagen halten.
Ordnerinhalte prüfen, Stichproben importieren, Zählungen bestätigen und eine FiftyOne-Ansicht für Qualitätsprüfungen öffnen.
Erstelle einen FiftyOne-Datensatz aus diesem lokalen Medienordner. Prüfe zuerst den Ordner, schlage einen Datensatznamen vor und frage vor dem Import nach.
Importiere meinen COCO-Bilddatensatz in FiftyOne. Verwende ein separates ground_truth-Feld und validiere nach dem Import die Stichprobenzahl.
Nachdem der Datensatz importiert wurde, führe ein schnelles integriertes Erkennungsmodell aus und speichere Vorhersagen in einem predictions-Feld.
Erstelle einen End-to-End-FiftyOne-Workflow für diesen Datensatz. Erkenne das Format, importiere Labels, führe ein geeignetes Modell aus, starte die App und fasse die Validierungsergebnisse zusammen.
Autor
AdonaiVeraLizenz
MIT
Skillstore-Revision
r1
Versionshinweis
Der Autor hat keine Version angegeben.
Ref.
6eec4a59f63ff83440a84c18d1aef79743bc714e
Aktualität der Wartung
22.7.2026
Nutzung
6 Downloads · 327 Aufrufe
Dateistruktur
📄 SKILL.md
FiftyOne-Plugins erstellen
Die Arbeit an FiftyOne-Plugins kann viele Dateien, APIs und Testschritte erfordern. Dieser Skill führt Agenten durch Planung, Codegenerierung, lokale Installation und Iteration.
FiftyOne-Python-Code-Stil anwenden
FiftyOne-Mitwirkende benötigen einen konsistenten Python-Stil für Imports, Docstrings, Hilfsfunktionen und Validierung. Diese Skill bietet fokussierte Konventionen und Checklisten für kompatiblen Code.
FiftyOne-Issues triagieren
Maintainer benötigen oft eine konsistente Issue-Triage über Berichte, Kommentare und Code-Belege hinweg. Dieser Skill bietet einen fokussierten Workflow und Antwortvorlagen für FiftyOne-GitHub-Issues.
FiftyOne-Embeddings visualisieren
Bilddatensätze können Cluster, Ausreißer und Label-Probleme verbergen. Diese Skill führt Claude, Codex und Claude Code durch FiftyOne-Embedding-Visualisierungen.
Doppelte Bilder in FiftyOne finden
Doppelte und nahezu doppelte Bilder können die Dataset-Qualität und das Modelltraining verfälschen. Diese Skill führt Claude, Codex oder Claude Code durch FiftyOne Brain-Workflows, um redundante Samples zu finden, zu prüfen und zu entfernen.
Vision-Datensätze in FiftyOne importieren
Datensatzimporte schlagen häufig fehl, wenn Medien, Annotationen und multimodale Ordner unterschiedliche Formate verwenden. Diese Skill unterstützt beim Scannen, Erkennen, Einrichten von Paketen, Importieren, Gruppieren und Validieren in FiftyOne.
Produktionsreife Computer-Vision-Systeme entwickeln
von alirezarezvani
Computer-Vision-Teams benötigen verlässliche Orientierung zu Modellen, Datensätzen, Inferenz und Bereitstellung. Dieser Skill hilft dabei, produktionsreife Vision-Pipelines mit praxisnahen Engineering-Prüfungen zu planen und zu optimieren.
Bilder mit Azure AI Vision Python analysieren
von sickn33
Workflows zur Bildanalyse benötigen Bildunterschriften, OCR, Erkennung und Zuschneiden, ohne SDK-Beispiele neu aufzubauen. Diese Skill führt Claude, Codex und Claude Code durch Azure AI Vision Image Analysis für Python.
Computer-Vision-Systeme entwickeln
von sickn33
Moderne Vision-Projekte erfordern Entscheidungen über Erkennung, Segmentierung, VLMs, Tiefe und Bereitstellung hinweg. Diese Skill unterstützt bei Architektur, Modellauswahl, Optimierung und Edge-Deployment für praktische Computer-Vision-Systeme.
Azure Vision Image Analysis in Java erstellen
von sickn33
Java-Teams benötigen zuverlässige Muster für die Bildanalyse mit Azure AI Vision. Diese Skill bietet fokussierte SDK-Beispiele für OCR, Beschriftungen, Tags, Objekte, Personen und Smart Crops.
Transformer-Workflows mit Hugging Face erstellen
von davila7
Transformer-Projekte erfordern sorgfältige Entscheidungen hinsichtlich Modellen, Tokenizern, Inferenz, Generierung und Training. Dieser Skill bietet praxisnahe Muster zum Erstellen und Optimieren von Hugging-Face-Workflows.
Cloud-KI-Apps über die CLI ausführen
von inference-shell
Teams benötigen eine einzige Schnittstelle für viele gehostete KI-Modelle. Diese Skill führt Claude, Codex und Claude Code durch CLI-Erkennung, Ausführung und Aufgabenverfolgung mit inference.sh.