Vixight｜用你的資料，
訓練更懂現場的 AI

照片進來之後，還有哪些事沒做完？

一批照片匯入之後，接著是標註、校對、整理資料版本，再交給訓練工具。Vixight 把這些階段放在同一個專案裡，讓照片、人工確認的答案與模型成果保留對應關係。

工作區區分待標註、已預標註、已提交、答案已採用和已入版本，也整理需要確認的資料與尚未正式評測的模型。這些狀態用來判斷下一步該處理哪一批資料。

從標註答案，到可以回查的資料版本

照片可以從本機上傳，也能由 S3 相容來源匯入。需要預標註時，可設定影像預標註 Agent，再搭配 Label Studio 進行人工校對。AI 產生的答案經確認與採用後，才進入後續資料版本流程。

資料整理好後，固定成一個版本，匯出 YOLO HBB、YOLO OBB 或 PaddleOCR 格式，交給外部工具訓練。目前平台本身不啟動訓練；模型與運算環境會依辨識任務安排。

訓練後，模型成果與來源資訊回存平台，再以獨立資料檢查表現。目前評測以支援的 OBB／OCR 模型與外部 runner 為範圍；其他格式或任務需要另外確認介接。

客製訓練，從什麼樣的資料開始？

例如賽事照片中的號碼，先確認哪些文字看得清楚、哪些被遮住，以及標註應該怎麼處理。若是零件、外觀檢查或指定物件，則要把「正常」和「需要複查」轉成可一致判斷的規則，再用樣本確認任務可行性。

有資料是討論的起點，還需要代表性的情境與可靠的答案。現有實作以影像區域與文字辨識流程為主；其他資料型態或模型任務，需要另行評估。已有模型也可以從資料版本、模型成果與評測管理開始，不一定重新訓練。

目前能管理的範圍，以及後續整合

Vixight 持續開發中，目前聚焦影像資料、標註答案、資料版本和模型成果管理。適合從一段明確的流程評估，例如照片整理、人工確認、固定資料版本，再接到既有訓練工具。

工作完成、失敗或需要人工確認時，可以再規劃 Email、Webhook 或既有通訊系統的提醒。平台目前呈現的是內部作業狀態與待處理資訊；外部通知、推論部署和現場事件判定屬於另外的客製整合範圍。

實際方案會先核對標註格式、模型類型、儲存方式與依賴功能，再確認訓練、部署及驗收方式。這裡展示的數量與畫面均使用合成資料，不代表客戶規模、辨識效果或已完成場域導入。

延伸閱讀：從賽事照片裡，找出選手的號碼。