Tool-for-YOLO-Dataset-Augment一个简单的 YOLO 目标检测数据集增强与划分工具仓库链接GitCode平台GitHub平台 (可下载包装好的exe程序) 简介本项目是一款专为 YOLO 系列目标检测模型设计的高效数据集预处理工具。对于已有的、已标注过的数据图片以及对应的标签文件通过终端交互界面 (TUI) 提供 7 种物理变换增强方案并支持数据集自动划分为Train / Val / Test结构最后生成data.yaml文件实现将杂乱的原生数据集快速增强、包装以投入使用。✨ 功能介绍脚本能够对于原生数据集进行全自动批量处理并且可以自由设定参数包括对图像分辨率的缩放、增强数量与方式的设定、数据集各部分比例的划分等。下面是主要的增强算法介绍亮度变换 (Brightness)随机将图片调亮或调暗模拟白天受阳光直射的强曝光或者阴天/黄昏时的光线不足让模型适应不同的光照条件。可以在设置中对亮度变换的范围进行调节。高斯噪声 (Gaussian Noise)给图像随机撒上一层粗糙的“雪花点”颗粒模拟劣质摄像头、夜视仪或高 ISO 拍摄时产生的噪点提升模型对低画质画面的鲁棒性。可以在设置中对噪声粗糙度范围进行限制。随机遮挡 (Occlusion)在图片上随机位置贴上几个不透明的色块遮盖住部分画面模拟画面受到障碍物遮挡的情况强迫模型去学习目标的局部特征。可以在设置中限制挡块的大小范围避免挡块面积过大导致目标完全遮挡或是面积过小导致增强作用受限。 5. 水平/垂直镜像 (H/V Flip)将图片左右/上下颠倒用于提高模型对任意姿态下的画面目标进行识别。几何旋转 (Rotation)以图片中心为轴随机歪斜一定的角度其余部分用黑色填充用于提高模型对任意姿态下的画面目标进行识别。可以在设置中调节转动的角度范围。⚠️注意增强后的标注框会通过对原有标注框进行“外接”的方式创建新的标注框因此标注的准确性可能会有一定的下降通常不建议设置大角度的旋转范围。高斯模糊 (Blur)将图像细节边缘晕染模糊模拟镜头对焦失败或者目标因为快速移动而产生的动态模糊拖影。 使用指南1. 数据准备首先确保原生数据集已完成标注并将图片与标签文件分别放在images和labels文件夹下。2. 挂载数据集进入脚本程序将原生数据集文件夹拖入窗口或是直接输入数据集的绝对路径回车进入主界面此时会展示扫描结果。3. 参数调节在主菜单会展示各种参数信息可以输入set对其中的每项参数进行调节。4. 标签映射与原图预览由于划分数据集时要生成data.yaml文件而默认的标签信息中只包含数字索引因此需要对标签进行映射。若不确定对应关系可以使用主菜单里的原图预览功能 (p系列命令)随机查看若干张图片的标注情况确保标签名与索引的正确对应。5. 增强效果预览在设定参数的过程中也可以随时使用主菜单的增强预览功能 (a系列命令)随机选取若干张图片并按照设定进行增强对比展示增强前后的效果。如果对于增强的效果不满意可以根据具体情况对特定参数进行再调节直至符合预期。6. 执行任务与结果查看设置妥当后就可以对整个数据集进行增强/分类。等待运行完成后可以在同级文件夹的augmented_dataset目录下找到处理结果。images和labels增强后的全量数据。yolo_dataset划分、包装好的数据集可以直接用于 YOLO 训练。 预计后续会进行的更新(以下更新均已在v3.0发布)加入设置参数记忆功能避免每次启动重新设置参数。开发图形化 UI 界面版本 (PyQt6)。 致谢 / Credits本项目中的演示图片与测试数据集来源于Roboflow Universe特此向原作者表示感谢数据集名称Football Players Detection来源链接Roboflow Universe - Football Players Detection用途仅用于本项目功能展示与效果预览。