- 多模态支持 — 视觉、NLP、表格（ML）、音频，7 种任务类型全覆盖
- 端到端工作流 — 从数据准备到模型上线，5 个阶段无缝衔接，每步都有「下一步」快捷入口
- 交互式标注 — 图像分类标签 / 目标检测矩形框 / 语义分割多边形 / 音频分类
- 非破坏性预处理 — 配置预处理配方，训练时作用于临时副本，原始数据不受影响
- 实时训练监控 — WebSocket 推送训练日志，ECharts 实时渲染损失与指标曲线
- 一键部署推理 — 模型加载到 GPU/CPU，在线预测可视化，内置 API 接口文档
- 视频分析 & 实时摄像头 — 部署后支持视频逐帧推理与 WebRTC 实时推流
- 用户认证与 RBAC — JWT 认证 + 角色权限控制 + 资源所有权隔离
| 模态 | 任务 | 支持的模型架构 |
|---|---|---|
| 视觉 | 图像分类 | ResNet (18/50/101)、EfficientNet (B0/B4)、ViT |
| 视觉 | 目标检测 | YOLO v8 / v9 / v10 / v11、Faster R-CNN |
| 视觉 | 语义分割 | U-Net、DeepLabV3、DeepLabV3+、FCN |
| NLP | 文本分类 | BERT、DistilBERT、RoBERTa |
| 表格 | 分类 / 回归 | 纯 PyTorch MLP |
| 音频 | 音频分类 | log-mel 频谱 + CNN |
首页仪表盘展示 5 阶段流水线，每张卡片反映真实完成进度并提供下一步入口：
支持四大模态的数据集创建与管理，列表清晰展示任务类型、状态和进度：
一键启动部署，在线上传图片即时获得推理结果，同时提供完整的 API 接口文档（含 Python / cURL 示例）：
① 数据集 ② 标注 ③ 训练 ④ 部署 ⑤ 评估
创建/上传 → 标注/分割数据 → 训练并生成模型 → 加载上线推理 → 评估模型效果
每一步完成后均有「下一步」快捷入口（通过 URL 上下文参数自动串联），前置条件未满足时给出空状态引导而非空白页面。
视频分析与实时摄像头作为「部署后的可选能力」，独立于主线 5 阶段。
后端：FastAPI · SQLAlchemy (async) · MySQL · Redis Stream · MinIO · PyTorch · ultralytics · transformers · torchaudio · aiortc
前端：Vue 3 · TypeScript · Element Plus · ECharts · Pinia · Vite
# 后端
conda create -n aether python=3.11 && conda activate aether
cd server && pip install -r requirements.txt
cp .env.example .env # 按需修改配置
python -m uvicorn main:app --host 0.0.0.0 --port 8000 --reload
# 前端
cd frontend && npm install && npm run dev详细步骤见 快速开始文档。