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.
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
Review the Skillstore skill "fiftyone-find-duplicates" from https://skillstore.io/skills/adonaivera-fiftyone-find-duplicates.md and its manifest at https://skillstore.io/api/skills/adonaivera-fiftyone-find-duplicates/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-find-duplicates». Find near duplicates in my wildlife-images dataset.
Ожидаемый результат:
Ассистент задает контекст датасета, запускает FiftyOne App, проверяет операторы Brain, вычисляет эмбеддинги сходства и открывает представление для проверки дубликатов.
Использование «fiftyone-find-duplicates». I have copied product photos in my dataset.
Ожидаемый результат:
Ассистент рекомендует сначала выполнить обнаружение точных дубликатов, а затем проводит проверку перед использованием оператора дедупликации для сохранения репрезентативных образцов.
Использование «fiftyone-find-duplicates». The threshold found too many similar images.
Ожидаемый результат:
Ассистент объясняет пороги на основе расстояния и предлагает попробовать более строгие значения перед удалением любых образцов.
All static external-command, network, and system-reconnaissance detections are false positives from Markdown examples, inline function names, local app URLs, and documentation links. No prompt injection or data-exfiltration intent was found. One semantic concern remains: install commands returned by tooling should be validated before any execution.
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-find-duplicates/audits/8?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/adonaivera-fiftyone-find-duplicates?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/adonaivera-fiftyone-find-duplicates?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/adonaivera-fiftyone-find-duplicates/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/adonaivera-fiftyone-find-duplicates.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-find-duplicates security audit report (audit version 8) [Author version unspecified]. Skillstore. https://skillstore.io/skills/adonaivera-fiftyone-find-duplicates/audits/8@techreport{adonaivera-adonaivera-fiftyone-find-duplicates-2026,
author = {AdonaiVera},
title = {fiftyone-find-duplicates security audit report (audit version 8)},
institution = {Skillstore},
year = {2026},
number = {8},
url = {https://skillstore.io/skills/adonaivera-fiftyone-find-duplicates/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-find-duplicates 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-find-duplicates/audits/8"
identifiers:
- type: other
value: "skillstore:adonaivera-fiftyone-find-duplicates:audit:8"
description: "Skillstore immutable audit report identifier"
Находите избыточные изображения до обучения модели, чтобы валидационные и обучающие данные были менее смещенными.
Группируйте визуально похожие образцы и просматривайте репрезентативные примеры перед изменением датасета.
Выявляйте идентичные медиафайлы и используйте инструменты FiftyOne, чтобы сохранить одну репрезентативную копию.
Find near-duplicate images in my FiftyOne dataset named DATASET_NAME. Guide me through setup, similarity computation, duplicate discovery, and review.
Show me how to view all samples with near-duplicate group IDs in the FiftyOne App and inspect one group at a time.
Help me find exact duplicate media files in my active FiftyOne dataset, review the result, and remove duplicates only after confirmation.
Compare threshold choices for near-duplicate detection, choose a fast embedding model, and reuse the similarity index for later searches.
Автор
AdonaiVeraЛицензия
MIT
Ревизия Skillstore
r1
Примечание о версии
Автор не указал версию.
Репозиторий
https://github.com/AdonaiVera/fiftyone-skills/tree/main/find-duplicates/skills/fiftyone-find-duplicatesСсылка
6eec4a59f63ff83440a84c18d1aef79743bc714e
Актуальность поддержки
18.07.2026
Использование
6 загрузок · 313 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.
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.
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 систем поиска похожести
от wshobson
Командам нужны надежные паттерны поиска и извлечения данных перед масштабированием семантического поиска или RAG-систем. Этот навык предоставляет конкретные шаблоны для векторных хранилищ, гибридного поиска, реранжирования и настройки индексов.
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.
Add Vision and Image Generation to DeepSeek
от lightlw
Text-only DeepSeek clients cannot interpret pasted images or produce image files. This skill deploys a proxy using OCR, vision models, and generation backends.