Converterò, pulirò e sistemerò il tuo dataset yolo, coco o voc per l'addestramento
Ingegnere AI per Computer Vision e app LLM
Informazioni su questo servizio
I dati cattivi sono la ragione più comune per cui un modello di rilevamento fallisce. Pulisco, converto e valuto il tuo dataset di object detection in modo che sia pronto per l'addestramento.
Background: per il mio progetto di rilevamento di sicurezza PPE ho unito 5 fonti pubbliche in un dataset pulito di 6.956 immagini: nomi delle classi unificati, rimosso duplicati, verificato perdite tra train/test e corretto etichette rotte. Confrontando i metodi, l'mAP50 è salito da 0.674 a 0.753 su un set di test di 808 immagini.
Posso:
- Convertire tra YOLO TXT, COCO JSON, Pascal VOC XML e esportazioni Roboflow
- Rimuovere immagini corrotte, duplicati esatti e vicini, box vuoti o non validi
- Rinominare, unire o rimappare le classi tra diversi dataset
- Creare suddivisioni pulite di train/val/test senza perdite
- Reportare conteggi delle classi, dimensioni delle box e etichette sospette con esempi visivi
Cosa ottieni:
- Il dataset pulito nel formato desiderato con data.yaml
- Un breve rapporto di audit (CSV/Markdown più grafici)
- Gli script Python che ho usato, così puoi ripetere il processo
Nota: disegnare nuove etichette da zero non è incluso. Scrivimi per un preventivo.
Tecnica:
Automatizzato
Tipo di tag:
Immagine
•
Video
FAQ
Traduzione automatica.
Etichetti nuove immagini?
Non in questa gig. Correggo, converto e valuto le etichette esistenti. La nuova annotazione da zero è quotata separatamente, quindi contattami con il volume.
I miei dati rimangono privati?
Sì. Uso i tuoi dati solo per il tuo ordine, non li condivido mai e li elimino dopo la consegna se lo chiedi.
Quali versioni di YOLO sono supportate?
Il formato YOLO TXT funziona con YOLOv5, YOLOv8 e YOLO11 (Ultralytics). Consegnò anche un file data.yaml pronto.
Puoi convertire esportazioni di Roboflow, CVAT o Label Studio?
Sì. Invia l'esportazione così com'è (YOLO TXT, COCO JSON, Pascal VOC XML, CVAT o Label Studio). La converto nel formato che preferisci, verifico che ogni box corrisponda ancora alla sua immagine e ti fornisco un data.yaml pronto per l'addestramento di Ultralytics.
Come trovi le etichette sbagliate?
Prima i controlli automatici: box fuori dall'immagine, box di dimensione zero o duplicati, ID di classe sconosciuti, file di etichette vuoti e immagini quasi identiche o uguali tra le suddivisioni. Poi guardo un esempio visivo di ogni classe. Ricevi un CSV con tutti i problemi trovati.

