스킬 fiftyone-dataset-inference
📦
fiftyone-dataset-inference
콘텐츠 리비전 r1 중간 위험 ⚙️ 외부 명령어🌐 네트워크 접근
FiftyOne 추론 데이터셋 만들기
컴퓨터 비전 팀은 미디어, 레이블, 예측을 FiftyOne에 반복 가능한 방식으로 로드해야 합니다. 이 스킬은 Claude, Codex, Claude Code가 데이터셋 생성, 가져오기 검증, 모델 추론을 수행하도록 안내합니다.
지원: Claude Codex Code(CC)
내 에이전트로 설치
이 요청을 에이전트에 복사하세요. 공식 Skill 페이지와 매니페스트가 포함되어 있습니다.
에이전트 요청
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.에이전트는 계속해서 계획을 표시하고 보안 정책에서 요구하는 확인을 요청해야 합니다.
에이전트가 읽기 쉬운 리소스
AI 에이전트, 크롤러, 스크립트가 전체 페이지 대신 정리된 컨텍스트만 필요할 때 이 링크를 사용하세요.
테스트해 보기
"fiftyone-dataset-inference" 사용 중입니다. 레이블이 없는 제품 이미지 폴더에 객체 탐지 예측이 필요합니다.
예상 결과:
- 영구 저장소로 데이터셋을 생성했습니다.
- 선택한 디렉터리에서 이미지를 가져왔습니다.
- 탐지 예측을 predictions 필드에 저장했습니다.
- 예측이 있는 샘플로 FiftyOne 뷰를 필터링했습니다.
"fiftyone-dataset-inference" 사용 중입니다. COCO 주석 파일과 이미지 디렉터리에 가져오기 검증이 필요합니다.
예상 결과:
- COCO 레이블을 ground_truth 필드로 가져왔습니다.
- 가져온 샘플 수를 소스 파일 수와 비교했습니다.
- 시각적 검사를 위해 FiftyOne App을 열었습니다.
"fiftyone-dataset-inference" 사용 중입니다. YOLOv5 데이터셋을 검색 가능한 검토 데이터셋으로 변환해야 합니다.
예상 결과:
- YOLOv5 디렉터리를 FiftyOne 데이터셋으로 가져왔습니다.
- 정답 레이블을 모든 예측과 별도로 저장했습니다.
- 후속 분석을 위한 데이터셋 컨텍스트를 설정했습니다.
보안 감사
중간 위험v8 • 2026. 7. 5. 버전별 보고서 열기
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.
1
스캔된 파일
409
분석된 줄 수
0
검토 항목
0
오탐 무시됨
확인된 보안 우려 사항 (2)
중간
Unquoted User Path in Shell Examples
The workflow tells the assistant to scan a user-provided directory with Bash examples that substitute the path directly. A path with shell metacharacters could be unsafe if copied into a shell command without quoting or structured arguments.
The Bash examples and user-provided path are explicit. The skill also asks for confirmation before dataset creation, so the risk depends on how the assistant executes the scan.
중간
Unverified Dependency Install Command
The skill says model dependency failures include an install_command and tells the assistant to offer to run it. Running dependency commands returned by tooling without verification can install unexpected packages or execute shell commands.
The text explicitly references install_command and installation. It does not require automatic execution, so normal user approval may reduce impact.
위험 요인
⚙️ 외부 명령어 (75)
SKILL.md:21 SKILL.md:22 SKILL.md:23 SKILL.md:36-38 SKILL.md:38-41 SKILL.md:41-43 SKILL.md:43-51 SKILL.md:51-53 SKILL.md:53-61 SKILL.md:61-64 SKILL.md:64-72 SKILL.md:72-81 SKILL.md:81-85 SKILL.md:85-93 SKILL.md:93-99 SKILL.md:99-101 SKILL.md:101-106 SKILL.md:106-115 SKILL.md:115-118 SKILL.md:118-129 SKILL.md:129-135 SKILL.md:135-137 SKILL.md:137-139 SKILL.md:139-143 SKILL.md:143-145 SKILL.md:145-151 SKILL.md:151-160 SKILL.md:160-164 SKILL.md:164-166 SKILL.md:166-170 SKILL.md:170-172 SKILL.md:172-178 SKILL.md:178 SKILL.md:179 SKILL.md:180-181 SKILL.md:181-187 SKILL.md:187-188 SKILL.md:188-189 SKILL.md:189 SKILL.md:190 SKILL.md:191 SKILL.md:192 SKILL.md:193 SKILL.md:194 SKILL.md:195-196 SKILL.md:196-197 SKILL.md:197-201 SKILL.md:201 SKILL.md:204-205 SKILL.md:205-208 SKILL.md:208-209 SKILL.md:209-210 SKILL.md:210-213 SKILL.md:213-214 SKILL.md:214-217 SKILL.md:217-218 SKILL.md:218-221 SKILL.md:221-222 SKILL.md:222-228 SKILL.md:228-259 SKILL.md:259-263 SKILL.md:263-296 SKILL.md:296-300 SKILL.md:300-321 SKILL.md:321-326 SKILL.md:326-334 SKILL.md:334-336 SKILL.md:336-357 SKILL.md:357-363 SKILL.md:363-368 SKILL.md:368-377 SKILL.md:377 SKILL.md:381 SKILL.md:385 SKILL.md:394
🌐 네트워크 접근 (4)
감사자: codex 감사 이력 보기 →
이 보고서 공유 및 인용
버전이 지정된 평가 보고서, 중립 배지, 임베드 카드 및 인용을 공유하세요. Skillstore는 근거를 보고하지만 이 Skill의 안전 여부를 판단하지 않습니다.
보고서 링크 복사
https://skillstore.io/skills/adonaivera-fiftyone-dataset-inference/audits/8?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdown 배지
[](https://skillstore.io/skills/adonaivera-fiftyone-dataset-inference?utm_source=security_passport_badge)HTML 배지
<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>임베드 카드
<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>학술 인용 (APA · BibTeX · CFF)
APA 인용
AdonaiVera. (2026). fiftyone-dataset-inference security audit report (audit version 8) [Author version unspecified]. Skillstore. https://skillstore.io/skills/adonaivera-fiftyone-dataset-inference/audits/8BibTeX 인용
@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}
}CITATION.cff
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"
Skillstore 점수
이 점수의 이유 증거 신뢰도: 높음 55
아키텍처
85
유지보수성
87
콘텐츠
72
커뮤니티
83
사양 준수
만들 수 있는 것
이미지 검토 세트 준비
레이블이 없는 이미지 폴더를 FiftyOne에 로드하고 시각적 검토를 위한 탐지 예측을 생성합니다.
레이블이 있는 벤치마크 가져오기
정답 레이블을 예측과 분리해 유지하면서 COCO, YOLO 또는 VOC 레이블로 데이터셋을 생성합니다.
클라이언트 데이터 전달물 검증
폴더 내용을 검사하고, 샘플을 가져오고, 개수를 확인한 뒤 품질 검사를 위해 FiftyOne 뷰를 엽니다.
이 프롬프트를 사용해 보세요
미디어 폴더 가져오기
이 로컬 미디어 폴더로 FiftyOne 데이터셋을 만드세요. 먼저 폴더를 검사하고, 데이터셋 이름을 제안한 뒤, 가져오기 전에 확인을 요청하세요.
COCO 레이블 가져오기
내 COCO 이미지 데이터셋을 FiftyOne으로 가져오세요. 별도의 ground_truth 필드를 사용하고 가져온 후 샘플 수를 검증하세요.
빠른 탐지 실행
데이터셋을 가져온 후, 빠른 내장 탐지 모델을 실행하고 예측을 predictions 필드에 저장하세요.
전체 검토 워크플로 구축
이 데이터셋을 위한 엔드투엔드 FiftyOne 워크플로를 구축하세요. 형식을 감지하고, 레이블을 가져오고, 적합한 모델을 실행하고, 앱을 실행한 뒤 검증 결과를 요약하세요.
모범 사례
- 가져오기 전에 데이터셋 이름, 레이블 필드, 소스 경로를 사용자와 확인하세요.
- 정답 레이블과 모델 예측을 별도의 필드에 유지하세요.
- 느리거나 무거운 모델을 실행하기 전에 더 작은 모델 변형부터 시작하세요.
피하기
- 명시적인 사용자 승인 없이 기존 데이터셋을 덮어쓰지 마세요.
- 정확한 명령을 먼저 검토하지 않고 종속성 설치 명령을 실행하지 마세요.
- 가져온 레이블과 예측을 같은 필드에 섞지 마세요.
자주 묻는 질문
이 스킬은 무엇을 만드나요?
로컬 미디어에서 FiftyOne 데이터셋을 만들고, 가져온 레이블이나 모델 예측을 추가할 수 있습니다.
어떤 레이블 형식이 지원되나요?
이 지침은 COCO, YOLO, VOC, KITTI, CVAT, TensorFlow records, 분류 디렉터리 트리를 다룹니다.
모델 추론을 실행할 수 있나요?
예. 탐지, 분류, 세그멘테이션 또는 임베딩을 위해 FiftyOne Model Zoo 연산자를 사용하도록 어시스턴트를 안내합니다.
로컬 설정이 필요한가요?
예. FiftyOne MCP와 참조된 Voxel51 플러그인이 설치되어 실행 중이어야 합니다.
데이터를 가져오기 전에 물어보나요?
이 스킬은 가져오기 전에 어시스턴트가 폴더를 검사하고 사용자와 설정을 확인하도록 지시합니다.
모델 품질을 평가할 수 있나요?
검토를 위한 데이터셋과 예측을 준비할 수 있지만, 평가 지표나 정확도 보고서를 정의하지는 않습니다.
개발자 세부 정보
작성자
AdonaiVera라이선스
MIT
Skillstore 리비전
r1
버전 안내
작성자가 버전을 선언하지 않았습니다.
참조
6eec4a59f63ff83440a84c18d1aef79743bc714e
유지보수 최신성
2026. 7. 22.
사용량
6 다운로드 · 327 조회
파일 구조
📄 SKILL.md