PROJECT 01 · 深度学习

VisionTrain Studio

视觉任务自动化训练与标注平台

🎯 个人独立开发 Vue3 + FastAPI + YOLO 15,000+ 行代码

面向视觉任务的一站式平台，覆盖 「数据 → 标注 → 训练 → 评估」 完整闭环：上传图片、在 Canvas 工作台上框选目标完成 Bounding Box 标注，一键导出 YOLO 格式数据集版本，创建训练任务后由 Celery Worker 在后台真实拉起 ultralytics YOLO 训练，全程实时监控。

可视化标注工作台 — Fabric.js Canvas 画布，框选 / 微调 bbox，自定义标签体系
数据集版本管理 — 自动生成 YOLO 目录结构与 dataset.yaml，版本可追溯
异步训练引擎 — Celery + Redis 任务队列，Worker 真实启动 YOLO 训练进程
实时训练监控 — 训练日志、loss / 指标曲线实时刷新，支持启停控制
多任务类型 — 目标检测与图像分类，并适配分类推理展示
账户与项目体系 — JWT 登录态、多项目 / 多数据集隔离管理

Vue 3TypeScriptVite Element PlusEChartsFabric.js FastAPISQLAlchemyMySQL CeleryRedisultralytics YOLO

下载源码 .zip 看下一个作品 →

VisionTrain 标注工作台（真实数据） — 标注工作台 —— Kvasir-SEG 医学影像数据集，polyp 病灶区域标注（真实标注数据）

项目框架

TRAINED MODELS

平台训练产出的模型（可直接下载）

模型	任务	适用图片	关键指标	大小	下载
U-Net Kvasir-SEG · 50 epoch	语义分割	胃肠道内镜 / 肠镜图像（息肉病灶检测场景）。输入 RGB 内镜照片，输出 polyp 病灶区域的像素级掩码，与 Kvasir-SEG 同域图片效果最佳	mIoU 0.66 · Dice 0.77 · 像素准确率 0.89	1.9 MB	unet-kvasir-polyp-seg.pt
YOLO26n-cls Cifar-10 · 50 epoch	图像分类	10 类日常物体照片：飞机 / 汽车 / 鸟 / 猫 / 鹿 / 狗 / 蛙 / 马 / 船 / 卡车。清晰的单主体照片即可，任意尺寸（推理时自动缩放）	Top-1 96.1% · Top-5 99.9%	3.1 MB	yolo26n-cifar10-cls.pt
YOLO26n-cls cat-dog · 50 epoch	图像分类	猫 / 狗照片。常规宠物照片即可，主体清晰时效果最好，任意尺寸	Top-1 97.9% · Top-5 100%	3.1 MB	yolo26n-catdog-cls.pt

权重均为 PyTorch 格式（.pt），加载方式见各项目源码中的推理模块；训练数据均来自平台内真实标注 / 导出的数据集版本。