Convertiré, limpiaré y arreglaré tu dataset yolo, coco o voc para entrenamiento

Parte de la información se ha traducido automáticamente.

Vietnam

Hablo Vietnamita, Inglés

Ingeniero de IA para visión por computadora y aplicaciones LLM

Construyo sistemas de IA que funcionan en el mundo real. Mis proyectos recientes incluyen SYL GuardianCam, un sistema de detección de caídas en tiempo real (YOLO Pose, FastAPI, Docker) con 83% F1 que ...
Acerca de este Servicio

Los datos incorrectos son la razón más común por la que un modelo de detección falla. Limpio, convierto y valido tu conjunto de datos de detección de objetos para que esté listo para entrenar.


Antecedentes: para mi proyecto de detección de seguridad PPE, fusioné 5 fuentes públicas en un conjunto de datos limpio de 6956 imágenes: nombres de clases unificados, eliminé duplicados, verifiqué fugas en entrenamiento/prueba y corregí etiquetas rotas. Junto con comparaciones de métodos, el mAP50 aumentó de 0.674 a 0.753 en un conjunto de prueba de 808 imágenes.


Puedo:

  • Convertir entre YOLO TXT, COCO JSON, Pascal VOC XML y exportaciones de Roboflow
  • Eliminar imágenes corruptas, duplicados exactos y cercanos, cajas vacías o inválidas
  • Renombrar, fusionar o remapear clases en varios conjuntos de datos
  • Crear divisiones limpias de train/val/test sin fugas
  • Reportar conteos de clases, tamaños de cajas y etiquetas sospechosas con muestras visuales

Lo que obtienes:

  • El conjunto de datos limpio en tu formato objetivo con data.yaml
  • Un informe breve de auditoría (CSV/Markdown más gráficos)
  • Los scripts en Python que utilicé, para que puedas repetir el proceso

Nota: dibujar nuevas etiquetas desde cero no está incluido. Envíame un mensaje para una cotización.

Técnica:

Automatizado

Tipo de etiquetado:

Imagen

•

Video