建立您的第一個AI專案

靈活配置您專案所需的各種設定

在使用平台的所有功能之前，先設置 「 Project 」 資訊，幫助您在未來快速整合資料與模型。

提示

在開始任何資料操作之前，建立 「 Project 」 並設置 「 Ontology 」。

快速開始

不知如何著手進行？參考實際操作影片：

專案列表

在專案頁面上，您可以看到所有專案的列表。

點擊"Detail"，您可以查看專案的詳細資料，包括專案的規格和Sensor配置。

建立一個新的專案

點擊"Create Project"將創建一個新專案。在彈出窗口中，按照以下方式填寫相關資訊：

步驟1：專案設定

• Name: 專案名稱

• 名稱：專案名稱

• Description: 專案描述

• Sensor (Stream): 本專案中使用的Sensor設定和名稱，影響專案的資料格式。請根據您的需求選擇Sensor組合。

• 點擊"Next"進入目標物件類別和本專案詳細資料的"Ontology"設定。

Sensor 名稱

您的專案sensor的類別和名稱需對應annotation內容。 如果您未來將使用visionai格式上傳，請確保資料結構和visionai.json中的sensor與此處設定的相匹配。

關於visionai formt更多資料

Multi Sensor

Multi Sensor 目標是將多個 sensor 的資料同步到同一個座標系，從而促進時間和空間校準。 當您需要從不同 sensor 同時收集數據來建立環境的全面視圖時，可以用這個選項。

不過，使用Multi Sensor也會讓往後Porject設定稍微複雜，也會有許多限制和必須填寫的格式。

步驟2：Ontology設定

在組件資料之前，我們需要先設定專案的ontology，它關係到專案的目標偵測。舉理來說，我們可設置一個物件偵測的例子，使用 bbox 來偵測目標 people。

• Name: Ontology 名稱

• Type: 標註資料格式，目前提供以下選擇：bbox, polygon, point, polyline, semantic segmentation, cuboid.

  • Class: 為本專案需要的類別添加名稱並設置特定顏色。

  • Sub-Class: 對此項目在子類別中進行分類。

  • Attribute: 為此類別靈活添加或刪除屬性，設置名稱、類型和字段項目，目前有以下類型可供選擇：

    • Option: option (vec)

    • Number: number (double)

    • Text: text

    • Boolean: true/false

Ontology 設定

在"Ontology"中選擇的標註資料格式將影響相應的資料集和可用的AI模型。

細節對應至 Vision AI Format

步驟3：Tag 標籤

Tag 標籤功能，可以幫助您往後資料的分類。例如，可以替資料打上天氣的Tag，甚至標記攝影機型號，圖片大小等，他並沒有內容限制，但是對之後進行資料篩選或分析時更加方便。

您可以靈活設置名稱、類型和字段項目，目前有以下類型可供選擇：

• Option: option (vec)

• Number: number (double)

• Text: text

• Boolean: true/false

Tags on Ground Truth

系統只識別存在於ground truth資料中的tag，並不從其他標註來源讀取tag，因為他不屬於模型預測項目。如果您需要與您的資料相關聯並在平台上顯示特定tag，請確保它們包含在您的ground truth標註中。

使用Python SDK新增專案

使用Python的Dataverse-SDK，幫助您透過Python與Dataverse平台互動。目前，這個函式庫支持：

• 根據您輸入的ontology和sensors建立專案

https://github.com/linkervision/dataverse-sdk/blob/master/python/README.md

建立專案範例

create_project 方法將在目標網站上根據定義的ontology和sensors創建一個專案。

設定細節請參照github內容。

# 1) Create ontology with ontologyclass object
ontology = Ontology(
    name="sample ontology",
    image_type=OntologyImageType._2D_BOUNDING_BOX,
    pcd_type = None,
    classes=[
        OntologyClass(name="Pedestrian", rank=1, color="#234567"),
        OntologyClass(name="Truck", rank=2, color="#345678"),
        OntologyClass(name="Car", rank=3, color="#456789"),
        OntologyClass(name="Cyclist", rank=4, color="#567890"),
        OntologyClass(name="DontCare", rank=5, color="#6789AB"),
        OntologyClass(name="Misc", rank=6, color="#789AB1"),
        OntologyClass(name="Van", rank=7, color="#89AB12"),
        OntologyClass(name="Tram", rank=8, color="#9AB123"),
        OntologyClass(name="Person_sitting", rank=9, color="#AB1234"),
    ],
)
# 2) Create your sensor list with name / SensorType
sensors = [
    Sensor(name="camera1", type=SensorType.CAMERA),
    Sensor(name="lidar1", type=SensorType.LIDAR),
]

# 3) Create your project tag attributes (Optional)
project_tag = ProjectTag(
    attributes=[
        {"name": "year", "type": "number"},
        {
            "name": "unknown_object",
            "type": "option",
            "options": [{"value": "fire"}, {"value": "leaves"}, {"value": "water"}],
        },
    ]
)

# 4) Create your project with your ontology/sensors/project_tag
project = client.create_project(name="Sample project", ontology=ontology, sensors=sensors, project_tag=project_tag)

使用SDK需要提供service-id。

您在Import Dataset，選擇SDK，內容會顯示您的Service ID，即可複製使用。