企业官网建设流程全解析

数据集扩充增广工具（分割/OBB 标签同步）

工具概述

数据集扩充增广工具，面向 YOLO 系列分割与旋转目标检测数据集，支持在图像增广的同时同步更新标注文件，避免增广后重新手工标注。工具适用于 YOLOv5 至 v12 的实例分割、语义分割、OBB 旋转框数据集，也支持 LabelMe 多边形 JSON 标注，可用于小样本扩充、类别不均衡补偿、复杂场景鲁棒性提升等数据准备工作。10

Windows 10 及以上系统可免安装、免配置直接运行；同时提供学习参考代码（不含界面），便于二次开发。

## 核心参数

支持标注与同步规则

1. YOLO 实例分割（seg）

• 标签格式：类别id x1 y1 x2 y2 ...（归一化多边形顶点）
• 同步逻辑：翻转、旋转、缩放、裁剪、平移后对全部顶点做同一仿射/映射变换，重新归一化；裁剪出界顶点按交点截断或剔除整个实例。1
• 适用：变电站分割、外墙病害多边形、茶叶/玉米叶片分割等。
  

2. YOLO OBB 旋转框

• 常见格式一：类别id x1 y1 x2 y2 x3 y3 x4 y4（四点归一化）
• 常见格式二：类别id cx cy w h angle（中心、宽高、角度）
• 同步逻辑：图像旋转 θ，四点整体旋转 θ 并重排顺序；角度格式需同步加 θ 并归一到框架约定区间（如 [-90°,0°) 或 [-90°,90°)），避免训练时角度错乱。12,3
• 适用：遥感飞机、船舶、沙赫德无人机等任意方向目标。
  

3. LabelMe 多边形 JSON

• 标签格式：shapes内polygon，含label、points、imageWidth、imageHeight
• 同步逻辑：解析每个 polygon 顶点，随图像做几何变换；亮度/对比度/饱和度/噪声仅改像素不改点；输出保留原 JSON 结构，仅替换points与图像路径。8,13
• 可另存为 YOLO-seg TXT 或直接回写 JSON 供 LabelMe 查看。17

增广方式

支持组合与自定义，常用算子：

• 几何类：水平翻转、垂直翻转、旋转、缩放、拉伸、裁剪、平移
• 色彩类：亮度、对比度、饱和度调整
• 噪声类：高斯噪声、随机噪点
• 模糊类：高斯模糊、运动模糊（可选）
• 组合策略：按勾选算子随机组合，可设每原图增广倍数（如 1×/2×/5×）
• 重命名规则：自定义前缀/后缀，输出到新目录，不覆盖原始图像与标签

建议：分割小目标少做大幅裁剪与强拉伸；OBB 旋转后检查四点顺序；色彩增强强度不宜过高，避免把病害颜色、信号灯颜色学偏。

使用流程（Windows 免装版）

1. 选择原始图像文件夹（jpg/png/jpeg/bmp/webp）
2. 选择标签来源（三选一）：
   • YOLO-seg txt 文件夹（建议同放classes.txt）
   • YOLO-obb txt 文件夹
   • LabelMe json 文件夹
3. 勾选增广算子与强度，设置增广倍数、输出前缀
4. 设置输出目录（不与输入目录嵌套）
5. 启动增广，工具实时生成增强图与同步标签
6. 可视化抽查：增强图叠加多边形/OBB，确认无错位、无漏标
7. 可选自动划分 train/val/test，直接接入 YOLO 训练

学习参考代码（Python，不含界面）

示例 C：YOLO-seg 多边形裁剪同步（伪逻辑）

python

输入：原图、seg txt（归一化多边形）、裁剪框 x0,y0,x1,y1

步骤：

1. 多边形像素坐标 = 归一化坐标 * 原宽高

2. 每个顶点减去裁剪左上角 x0,y0

3. 与裁剪框求交集：顶点在框内保留；边与框边界求交补点

4. 若剩余有效顶点 >=3 且面积大于阈值，写回新图尺寸归一化坐标

5. 若整体在裁剪框外，丢弃该实例

注意：分割不要简单用原框近似，否则小病斑会偏移

格式支持

• 默认YOLO格式数据集（seg 多边形 txt / obb 四点或角度 txt）
• LabelMe JSON 多边形双向兼容，可导出 YOLO-seg/OBB 4,14
• 增广后可直接用于 Ultralytics YOLO 训练：17

适用场景

• 小样本分割/OBB 数据集快速扩充
• 遥感、道路、电力、工地等复杂场景增强
• 夜间、低照度、雨雾等色彩扰动建模
• LabelMe 人工标注后批量增广，降低复标成本

话题关键词

#数据增广 #YOLO分割 #OBB旋转框 #LabelMe #多边形同步 #数据集扩充 #YOLOv11