pylabel

PyLabel 项目介绍

PyLabel 是一个专为计算机视觉模型（如 PyTorch 和 YOLOv5）准备图像数据集的 Python 软件包。这个工具包能够在不同的注释格式之间进行转换，此外，它还包括一个可以在 Jupyter notebook 中运行的人工智能辅助标注工具。

主要功能

格式转换

PyLabel 允许用户通过简单的一行代码将注释格式进行转换。例如，可以方便地将 COCO 格式的标注转换为 YOLOv5 格式：

importer.ImportCoco(path_to_annotations).export.ExportToYoloV5()

数据分析

对于需要对图像数据集进行分析的用户，PyLabel 将注释储存在 pandas dataframe 结构中，这使得数据分析变得简单。

数据集拆分

使用 PyLabel 可以将图像数据集合理地拆分为训练集、测试集和验证集，同时保持类别分布的一致性，以确保模型训练效果。

标注工具

PyLabel 提供了一个可以在 Jupyter notebook 中运行的图像标注工具。该工具支持手动标注和利用预训练模型进行自动标注，使标注过程变得更为高效。

数据可视化

通过 PyLabel，用户可以将数据集中图像以及相应的边界框直接渲染出来，这有助于确认标注的准确性。

教学示例

PyLabel 项目提供了一些示例 Jupyter notebook，展示了该工具的实际应用：

• 将 COCO 转换为 YOLOv5
• 将 COCO 转换为 VOC
• 将 VOC 转换为 COCO
• 将 YOLO 转换为 COCO
• 将 YOLO 转换为 VOC
• 导入 YOLO YAML 文件并进行处理
• 图像数据集拆分为训练、测试、验证集的示例
• AI 辅助标注工具演示

PyLabel 的开发背景

PyLabel 由 Jeremy Fraenkel, Alex Heaton 和 Derek Topper 开发，作为加州大学伯克利分校信息学院（UC Berkeley School of Information）信息与数据科学硕士（MIDS）课程的结业项目。用户如有问题或反馈，可以通过项目的 GitHub 页面创建 issue，开发者非常乐于听取意见以改进 PyLabel，使其更有用。