四、 COCO 转换
当您的基础数据优化完成后，可以使用 ATSVisionOps 中的 “目标检测数据集” 功能，将标注数据导出为深度学习通用的 COCO/YOLO 格式。
1. 图像格式规范 (重要)¶
格式严禁混合
为了确保算法的高效运行及数据解析的稳定性，ATSVisionOps 对输入图像的格式有严格要求：
- 支持格式：仅限 .bmp 或 .png（工业检测常用无损格式）。
- 禁止混合：请勿在同一个文件夹中同时存放不同格式的图片（如同时存在
.bmp和.png）。 - 软件自检：软件已集成 格式混合检测功能。若扫描到多种格式并存，系统将自动拦截操作并报错。
2. 转换模式介绍¶
本工具提供两种灵活的转换模式，以适应不同的数据组织习惯：
A. 单目录模式¶
将所有图片与 JSON 标注放入同一个文件夹进行转换。
B. 多目录生成模式（推荐）¶
当您的数据分布在不同路径下时，可以使用此模式实现多对一的整合：
-
多 NG 支持：支持同时选中多个存放缺陷样本（NG）的文件夹。
-
多 OK 支持：支持同时选中多个存放正常样本（OK）的文件夹。
-
OK 样本可选：OK 文件夹为非必选项。若您的任务仅需关注缺陷检测，可以不添加 OK 文件夹。
-
最终产物：系统会自动扫描所有选中路径，并将所有数据汇总生成 一个 统一的 COCO 文件。
3. 操作流程¶
第一步：准备输入文件夹¶
确保每个文件夹内的图片与 JSON 标注文件名严格一一对应。
第二步：执行转换¶
- 在工具界面选择 「多目录模式」 或 「单目录模式」。
- 点击相应的 [添加文件夹] 按钮，依次导入您的 NG 和 OK 路径。
- 在配置面板确认参数。
确认无误之后，点击 [开始转换] 按钮即可。
我该如何确定配置？
- 比例设置：训练集比例（Train Ratio）一般保持默认，即 100。
- 「永不输出压缩包」：功能一般保持关闭状态。
4. 高级配置说明¶
训练集比例与验证集逻辑
- 比例设置：训练集比例（Train Ratio）默认为 100。
- 验证集分配：在此默认设置下，系统将不进行数据集切分，即 不生成验证集（Val）。
- 注意：若需在训练过程中监控模型的泛化能力（mAP），请手动调整比例（如设为 80 或 90）。
输出控制：永不输出压缩包
在转换设置的高级选项中，包含 「永不输出压缩包」 功能：
- 开启状态：生成的 COCO 结果将以原生文件夹形式存放，系统不会将其封装为
.zip。 - 适用场景：当您需要直接检查输出文件完整性，或想要自己用第三方压缩软件进行高效率压缩时，建议开启此功能。
5. 输出结果与后续¶
转换完成后，系统将在目标路径生成标准格式的 COCO 标注文件（通常为 instance_train.json）。
后续建议
- 样本均衡：如果缺陷类别的样本过少，建议通过 数据增强 功能增加样本后再进行转换。
- 训练对接：该文件包含了所有图片的路径信息、类别信息以及边界框坐标，可直接对接 YOLO 或其他主流深度学习框架。