使用Pinata为AI模型训练标注图像

这是对P派挑战的提交

我建立的

我开发了一个图像标注应用，使用了：

• FastAPI : 后端
• Angular: 前端
• Pinata : 文件存储(Blob)

这个应用程序可以帮助标注图像数据集。然后可以将这些标注导出，用于训练人工智能模型。

演示

（点击图片查看）

我的那段代码 流程示意图

Pinata设置

• 步骤1：在Pinata上创建一个账户并获取密钥信息。
• 步骤2：安装并配置.env文件

    npm i pinata

全屏，退出

PINATA_API_KEY=""  # PINATA API密钥
PINATA_API_SECRET=""  # PINATA API密钥密码
PINATA_GATEWAY="*.mypinata.cloud"  # PINATA网关地址
PINATA_JWT=""  # PINATA JSON Web Token

切换到全屏 退出全屏

    import { PinataSDK } from "pinata"; // 引入PinataSDK模块

    const pinata = new PinataSDK({
      pinataJwt: "PINATA_JWT", // pinataJwt: 用于身份验证的JWT令牌
      pinataGateway: "example-gateway.mypinata.cloud", // pinataGateway: Pinata网关地址
    });

点全屏，再点退出

• 创建上传和下载文件的方法。

上传

（注：此处根据上下文省略了“文件”，以保持简洁并符合口语化表达。若需要明确表示上传文件，可使用“上传文件”。）

但由于输出要求仅提供翻译内容，最终翻译为：
上传

    const file = new File(["hello"], "Testing.txt", { type: "text/plain" }); // 创建一个包含 "hello" 的文件，类型为 "text/plain"
    const upload = await pinata.upload.file(file); // 使用 pinata 上传文件
    console.log(upload); // 输出上传结果

进入全屏，退出全屏

取文件

const url = await pinata.gateways.createSignedURL({
    cid: "bafkreib4pqtikzdjlj4zigobmd63lig7u6oxlug24snlr6atjlmlza45dq",
    expires: 1800,  // 过期时间
})
console.log(url)

切换到全屏 退出全屏

后端和前端代码仓库

• 后端（Fastapi）：https://github.com/suyash-srivastava-dev/annotation-editor-backend
• 前端（Angular）：https://github.com/suyash-srivastava-dev/annotation-editor

更多相关信息

为每个项目创建了Pinata组。
Pinata用于保存带有注释的和没有注释的图像数据集。注释文件也作为JSON保存在Pinata上。通过签名的SDK来访问图像和JSON文件。