Создание датасетов FiftyOne для инференса
Командам компьютерного зрения нужны воспроизводимые способы загрузки медиафайлов, меток и предсказаний в FiftyOne. Этот навык помогает Claude, Codex и Claude Code создавать датасеты, проверять импорт и выполнять инференс моделей.
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
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.Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.
Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.
Использование «fiftyone-dataset-inference». Папке с неразмеченными изображениями товаров нужны предсказания детекции объектов.
Ожидаемый результат:
Использование «fiftyone-dataset-inference». Файлу аннотаций COCO и директории изображений нужна проверка импорта.
Ожидаемый результат:
Использование «fiftyone-dataset-inference». Датасет YOLOv5 нужно преобразовать в доступный для поиска датасет проверки.
Ожидаемый результат:
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.
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
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"
Загрузите папки с неразмеченными изображениями в FiftyOne и сгенерируйте предсказания детекции для визуальной проверки.
Создавайте датасеты из меток COCO, YOLO или VOC, сохраняя ground truth отдельно от предсказаний.
Проверьте содержимое папок, импортируйте образцы, подтвердите количество и откройте представление FiftyOne для контроля качества.
Create a FiftyOne dataset from this local media folder. Inspect the folder first, propose a dataset name, and ask before importing.
Import my COCO image dataset into FiftyOne. Use a separate ground_truth field and validate the sample count after import.
After the dataset is imported, run a fast built-in detection model and save predictions in a predictions field.
Build an end-to-end FiftyOne workflow for this dataset. Detect the format, import labels, run a suitable model, launch the app, and summarize validation results.
Автор
AdonaiVeraЛицензия
MIT
Ревизия Skillstore
r1
Примечание о версии
Автор не указал версию.
Репозиторий
https://github.com/AdonaiVera/fiftyone-skills/tree/main/dataset-inference/skills/fiftyone-dataset-inferenceСсылка
6eec4a59f63ff83440a84c18d1aef79743bc714e
Актуальность поддержки
21.07.2026
Использование
6 загрузок · 327 просмотров
Структура файлов
📄 SKILL.md
Создание плагинов FiftyOne
Работа с плагинами FiftyOne может требовать множества файлов, API и этапов тестирования. Этот навык помогает агентам проходить через планирование, генерацию кода, локальную установку и итерации.
Применение стиля кода Python в FiftyOne
Участникам FiftyOne нужен единообразный стиль Python для импортов, докстрингов, утилит и валидации. Этот навык предоставляет целевые соглашения и чек-листы для совместимого кода.
Триаж issues FiftyOne
Мейнтейнерам часто нужен единообразный триаж issues на основе отчетов, комментариев и доказательств из кода. Этот skill предоставляет сфокусированный workflow и шаблоны ответов для GitHub issues FiftyOne.
Визуализация эмбеддингов FiftyOne
В наборах изображений могут скрываться кластеры, выбросы и проблемы с метками. Этот навык проводит Claude, Codex и Claude Code через визуализацию эмбеддингов FiftyOne.
Поиск дубликатов изображений в FiftyOne
Дубликаты и близкие дубликаты изображений могут искажать качество датасета и обучение модели. Этот навык проводит Claude, Codex или Claude Code через рабочие процессы FiftyOne Brain для поиска, проверки и удаления избыточных образцов.
Импорт датасетов для компьютерного зрения в FiftyOne
Импорт датасетов часто завершается ошибкой, когда медиафайлы, аннотации и мультимодальные папки используют разные форматы. Этот навык помогает со сканированием, обнаружением, настройкой пакетов, импортом, группировкой и валидацией в FiftyOne.
Создание продакшен-систем компьютерного зрения
от alirezarezvani
Командам компьютерного зрения нужны надежные рекомендации по моделям, датасетам, инференсу и развертыванию. Этот навык помогает планировать и оптимизировать продакшен-пайплайны компьютерного зрения с практическими инженерными проверками.
Анализ изображений с Azure AI Vision Python
от sickn33
Рабочим процессам анализа изображений нужны подписи, OCR, обнаружение объектов и кадрирование без повторного создания примеров SDK. Этот навык проводит Claude, Codex и Claude Code через Azure AI Vision Image Analysis для Python.
Создание систем компьютерного зрения
от sickn33
Современные проекты компьютерного зрения требуют выбора между детекцией, сегментацией, VLM, оценкой глубины и развертыванием. Этот навык помогает с архитектурой, выбором моделей, оптимизацией и edge-развертыванием практических систем компьютерного зрения.
Создание анализа изображений Azure Vision на Java
от sickn33
Командам Java нужны надежные шаблоны для анализа изображений с помощью Azure AI Vision. Этот навык предоставляет сфокусированные примеры SDK для OCR, подписей, тегов, объектов, людей и интеллектуального кадрирования.
Создание рабочих процессов для трансформеров с Hugging Face
от davila7
Проекты на основе трансформеров требуют тщательного выбора моделей, токенизаторов, параметров инференса, генерации и обучения. Этот навык предлагает практические шаблоны для создания и оптимизации рабочих процессов Hugging Face.
Запуск облачных AI-приложений из CLI
от inference-shell
Командам нужен единый интерфейс для множества размещенных AI-моделей. Этот навык помогает Claude, Codex и Claude Code выполнять поиск, запуск и отслеживание задач через inference.sh CLI.