voxel51/fiftyone

FiftyOne – ビジュアル AI 開発のためのオープンソースツールボックス

概要 – FiftyOne は、コンピュータビジョンデータセットとモデルを構築、探索、ラベル付け、評価するのに役立つ Python ライブラリ（および付随する Web アプリ）です。画像、ビデオ、2‑/3‑D アノテーションをサポートし、PyTorch、Hugging Face、Ultralytics などの一般的なフレームワークと統合します。

重要性 – 高品質なデータはビジョンプロジェクトの最大のボトルネックです。FiftyOne は、生データを検査し、アノテーションエラーを発見し、モデル予測を探索し、カスタムコードを書かずに分析（例：埋め込みの類似性検索）を実行するためのビジュアルインターフェースを提供します。これにより、データキュレーションサイクルとモデルデバッグが高速化されます。

主な機能

• ネイティブアノテーション – FiftyOne App で直接 2‑D および 3‑D ラベルを作成および編集するか、外部ラベリングツールに接続します。
• リッチなビジュアル探索 – 関連するラベルを持つ画像またはビデオフレームをブラウズし、メタデータでフィルタリングし、サンプルレベルの詳細を表示します。
• 埋め込み検査 – 高次元の特徴ベクトル（例：バックボーンネットワークから）を 2‑D ビューに投影し、ポイントを選択して基になるサンプルを表示します。
• モデル評価 – 標準メトリクスを計算し、失敗モードを可視化し、複数の実行を比較します。
• データキュレーションと「Brain」分析 – 組み込みユーティリティを実行して、重複画像、外れ値、または誤ラベルされたサンプルを見つけます。
• 拡張可能な統合 – プラグインシステムにより、カスタムビジュアライゼーション、ローダーを追加したり、クラウドサービス（例：Voxel51 SaaS）に接続したりできます。

典型的なワークフロー

1. データセットをロード – fiftyone.zoo を使用して公開データセットをダウンロードするか、FiftyOne をローカルの画像/ビデオフォルダにポイントします。
2. App を起動 – session = fo.launch_app(dataset) でブラウザにインタラクティブ UI が開きます。
3. 探索とラベル付け – 直接フィルタリング、検索、アノテーションの追加/変更を行います。
4. 分析を実行 – FiftyOne Brain ユーティリティまたはカスタムスクリプトを適用して、問題のあるサンプルを表面化します。
5. モデルを評価 – 予測を添付し、メトリクスを計算し、反復します。

インストール – pip によるワンライナー（Python 3.10‑3.13）：

pip install fiftyone

開発者向けには、リポジトリをソースからビルドするか（UI には Node/Yarn が必要）、Docker 内で実行できます。

詳細情報 –

• クイックスタートノートブック：https://colab.research.google.com/github/voxel51/fiftyone-examples/blob/master/examples/quickstart.ipynb
• 完全なドキュメント：https://docs.voxel51.com
• コミュニティ：Discord、Hugging Face、ブログ、公開プラグインエコシステム。

ユーザー – オブジェクト検出、セグメンテーション、ビデオアクション認識、または堅牢なデータセット管理を必要とするあらゆるビジョンパイプラインを構築する研究者、データサイエンスチーム、および企業。

---

上記のすべての情報は、プロジェクトの README から直接取得されています。