Xtreme1 经过了 10 周的打磨，已于 12 月 26 日正式发布 0.5.5 版本！
在 Data-centric AI 中，提高数据质量、找到模型的问题并且快速修正错误才是提升模型性能的最有效方法。
0.5.5 版本数据的可视化功能，图片数据可以基于向量维度来展示数据的分布情况，算法工程师可以直观地找出数据类型的缺失。
而对 3D 点云数据的治理，一直是算法工程师的难题，例如读取各种不同的点云文件格式，配置复杂的点云和相机融合数据参数，然后进行原始数据的预览，标注结果的展示以及同一个数据集在不同模型和 Ground-truth 值的对比，最终修改数据的错误而提升模型的表现。数据的质量才是算法质量的关键。
通过Ontology Center中的标签筛选出跨数据集的标注目标
- 新增全局的Ontology Center（本体中心）
开源版本增加了 Ontology center（本体中心），这样用户可以在全局设置自己的实体标签或增加各种模版库。并且在 Dataset（数据集）中配置时，可以直接复用已经配置好的实体。
交互界面的改动优化了配置标签和属性的便捷性。
例如在有些规则中，实体很多，但是它们的属性却是相同或相似时，可以通过此操作来快速设置：
只需完整创建 Car 的内容后，一键 Push to all，其他 Class 的 Attribute 均可获取到相同的属性。
2. 新增的数据可视化功能
2.1 新增 Ontology center 场景搜索功能
· 在数据集里直观地显示数据和标注结果
· 通过标签搜索，找到感兴趣的场景
· 发现错误和重复的数据，直接进入标注页面进行修改
如开头介绍的，3D 点云数据也同样支持在数据集界面里，直接快速查看标注数据的结果。3D 向量抽象数据的的功能也会在之后的版本中推出。
· Relate To 功能，即关联实体的功能
关联实体的功能可以确保通过实体之间的关系来更好的运用数据。
当我们的数据集众多时，每个数据集中的实体的命名经常出现不一致的情况，但是它们中有些确实在表达相同或是近似的含义。例如在数据相对复杂的自动驾驶场景中，常见的“卡车”标签会被命名为“Truck”，但有的数据集会细分为“Pickup_Truck”,“Semi-Truck”, “Garbage_Truck”等。在通过“Truck”的名字来搜寻跨数据集的实体和结果时，很容易丢失掉已有的数据。再举一个简单的例子，“dog”和“cat”的实体，在数据集里可能只需要以“Animal”的标签而归为一类。
2.2 新增数据集总览
通过图表，统计数据集标注的完成状态和标签的数量。
数据重复的问题，并且发现数据类型分布不均匀时，可以快速找到方向，继续填补缺失的数据类型。
在一个区域中，距离很近的点说明附近图片相似度很高。如果很稀疏，则表明此类的数据数量有缺失，如果模型的效果不佳，可以通过再增加采集这类的数据的数量，继续进行数据的标注并灌入模型中。这样通过丰富数据来提高模型的表现。
从技术上，Xtreme1是采用PyTorch框架并经过预训练的MobileNetV3 small模型，它将图片转化为向量。然后应用了openTSNE通过把高维数据压缩到2维空间上来评估算法的有效性，进行向量可视化。
3. 开放API
Xtreme1 开放了核心数据管理的 API，包括数据集的上传和下载、标注结果的上传和下载、模型自动识别等，以便开发者将 Xtreme1 和上下游产品进行集成。
开放 API 采用主流的 Bearer Token 认证方式，首先在 API Token 管理页生成一个 Token，然后在调用 API 时通过Authorization 头将该 Token 传递给 API 服务器。
详见Docs的开发者指南章节。
- S. 全新 Xtreme1 文档正式上线 docs.xtreme1.io。
参考文献
[1] Searching for MobileNetV3: https://arxiv.org/abs/1905.02244
[2] openTSNE: https://github.com/pavlin-policar/openTSNE
[3] Visualizing data using t-SNE: Maaten L, Hinton G. Visualizing data using t-SNE[J]. Journal of machine learning research, 2008, 9(Nov): 2579-2605
[4] openTSNE: Extensible, parallel implementations of t-SNE: https://opentsne.readthedocs.io/en/latest/
如果大家对 Xtreme1 感兴趣，欢迎关注 GitHub Repo：https://github.com/xtreme1-io/xtreme1/如果您遇到了一些问题，欢迎在交流群讨论或者通过提 issue 的方式告诉我们，我们一定会帮到您。
