fiftyone

可视化管好数据集,快速揪出模型错误,让视觉AI更可靠

FiftyOne 是一个面向计算机视觉团队的开源数据集管理与模型评估工具,由 Voxel51 开发。它解决了视觉 AI 开发中数据质量差、模型错误难以定位、数据集难以可视化与协作的问题。核心能力包括:提供交互式数据看板,支持图像、视频、点云等数据的可视化浏览与筛选;内置强大的查询语言,可基于标签、元数据、模型预测结果等复杂条件过滤数据;支持与主流标注工具(如 Labelbox、CVAT)和训练框架(如 PyTorch、TensorFlow)无缝集成;提供模型评估面板,可对比不同模型在各类子集上的表现,自动发现失败案例;支持数据清洗、去重、标签修正、主动学习等数据为中心的工作流。通过 Python API 和 Web 界面,团队可以高效地构建高质量数据集,提升模型性能。

开源 unknown 数据集
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 11109
维护状态 活跃
是否开源 是
定价模式 unknown

项目数据

分类数据集
开发团队voxel51
所属国家
定价模式unknown
价格说明定价信息待确认
访问状态
是否开源是
开源协议Apache-2.0
主要语言TypeScript
技术栈/模型active-learning,artificial-intelligence,computer-vision,data-centric-ai,data-cleaning,data-curation,data-quality,data-science,deep-learning,developer-tools,image-classification,machine-learning,object-detection,python,unstructured-data,vector-search,visualization
GitHub 星标★ 11109
30天Star增速
HF 下载量
上线时间2020-04-22 00:00:00
最近更新2026-09-22 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-10
浏览次数6

使用教程

难度:入门 约 10 分钟 部署方式:库/依赖 6 步

环境要求

  • Python 3.10 - 3.13
  • 强烈建议在虚拟环境中安装,保持工作区干净
  • 源码安装需额外准备 Node.js 与 Yarn(corepack enable)
  • 处理视频数据集需额外安装 FFmpeg(可选)
  • Windows 上不推荐使用 Microsoft Store 版 Python,请从 python.org 下载 64 位安装包

安装与启动步骤

  1. 1准备 Python 环境

    确认 Python 版本在 3.10-3.13 之间;Windows 安装时勾选加入 PATH 并建议取消路径长度限制。官方强烈建议在虚拟环境中安装。

  2. 2安装 FiftyOne

    官方推荐的安装方式,一条 pip 命令即可装上最新发布版。若装到虚拟环境中请先激活对应环境。

    pip install fiftyone
  3. 3跑通快速上手

    打开 Python 交互环境执行下面代码,会自动下载 quickstart 小数据集并弹出 FiftyOne App 数据看板供浏览。

    import fiftyone as fo
    import fiftyone.zoo as foz
    
    dataset = foz.load_zoo_dataset("quickstart")
    session = fo.launch_app(dataset)
  4. 4脚本中阻塞等待

    若把上面的代码写进脚本运行,需补上 session.wait(),否则脚本会立即结束、App 被关闭。

    session.wait()
  5. 5源码安装(可选)

    需要开发版或参与贡献时使用。先克隆仓库,再运行仓库内的安装脚本(README 未展示脚本具体命令,请查看仓库内脚本)。

    git clone https://github.com/voxel51/fiftyone
    cd fiftyone
  6. 6升级源码安装

    已做源码安装的,拉取 main 分支最新代码后重新运行安装脚本即可升级到最新版。

    git checkout main
    git pull

如何确认成功

Python 中 import fiftyone 无报错,运行快速上手代码后浏览器自动打开 FiftyOne App,并能看到 quickstart 数据集样本。

常见问题

Q:支持哪些 Python 版本?

A:FiftyOne 支持 Python 3.10 - 3.13,请勿使用过旧或过新的版本,否则可能安装失败。

Q:Windows 上可以用 Microsoft Store 里的 Python 吗?

A:官方不推荐。请到 python.org 下载 64 位安装包,安装时勾选加入 PATH,并建议关闭 PATH 长度限制。

Q:处理视频数据集需要额外装什么?

A:需要 FFmpeg:Ubuntu 用 apt 安装,macOS 用 brew install ffmpeg,Windows 下载二进制后把其 bin 目录加入 PATH。

Q:怎么卸载 FiftyOne?

A:执行 pip uninstall fiftyone fiftyone-brain fiftyone-db 即可完整卸载相关包。

Q:Docker 怎么部署?

A:README 只给出官方文档链接(docs.voxel51.com 的 environments 页面)说明如何构建和运行镜像,未提供具体 docker 命令。

注意事项

  • README 未给出源码安装脚本的具体命令,该步骤需参照仓库内脚本与官方安装指南执行。
  • 源码安装还需要 Node.js 和 Yarn,安装 Node 后可用 corepack enable 启用 Yarn。
  • 在 Google Colab 中源码安装,需在单元格执行克隆与安装后重启运行时。
  • 常见安装问题可查阅官方 installation guide(docs.voxel51.com/installation)。

核心亮点

  • 交互式数据看板支持图像、视频、点云,直观浏览和筛选数据
  • 强大的查询语言可按标签、元数据、模型预测等复杂条件过滤
  • 内置模型评估面板,自动发现失败案例,对比不同模型表现

不足之处

  • 学习曲线较陡,新手需要时间熟悉概念和API
  • 文档/社区待观察

适用场景

  • 清洗和整理大规模图像/视频数据集
  • 分析模型预测错误,定位数据问题
  • 构建主动学习流程,高效标注关键样本

替代项目

Label Studio、CVAT、Supervisely

项目介绍

fiftyone 是数据集领域的开源项目,由 voxel51 开发,2020 年首次发布。

在全站 13,109 个收录项目中,它的 GitHub 星标数(11,109)位列前 5%,在数据集分类的 279 个项目里位列前 5%。

近 41 天,它的 GitHub 星标从 11,008 增加到 11,109,净增 101。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-22。从国内网络环境看,可直接访问。

它主要面向的使用场景是:清洗和整理大规模图像/视频数据集。同类可对比的替代方案包括 Label Studio、CVAT、Supervisely。

上一篇:labelme

下一篇:X-AnyLabeling

同类项目推荐

X-AnyLabeling 开源

一站式AI辅助标注,图像视频文本通吃,导出格式随心配

X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···

★ 10528 2026-08-10
aisheets 开源

像用表格一样批量调 AI,不写代码就能造和改数据集

Build, enrich, and transform datasets using AI models with no code

★ 1647 2026-09-20
distilabel 开源

基于论文的合成数据流水线,快速生成高质量 AI 反馈数据。

Distilabel is a framework for synthetic data and AI feedback for engineers who need ···

★ 3398 2026-08-10
DataGen 开源

用大模型一键生成定制化训练数据,告别数据荒

[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models

★ 69 2026-08-09