跳轉到

二、 資料最佳化

本章節介紹如何使用 ATSVisionOps 內建的 Test 工具進行資料集最佳化。該功能支援在不破壞原始資料的基礎上,實現自動化的重新命名、缺陷類名統一及對映修改。

test1.png

1. 預設測試邏輯(直接最佳化)

如果你不需要對當前的影像名稱或缺陷名稱進行任何修改,只需最佳化資料集,可以使用預設操作。

  • 操作步驟:
    1. 確認輸入路徑無誤。
    2. 直接點選 [開始最佳化資料集] 按鈕(預設不勾選任何更改選項)。
  • 執行結果:
    • 顯示“已完成”後,系統會在對應的 结果文件夹 中生成影像與 JSON 檔案。
    • 資料一致性:影像與 JSON 檔案一一對應,可直接用於後續的 COCO 格式轉換或模型訓練。

2. 批次重新命名檔案

為了方便資料管理,你可以對資料集進行全域性重新命名,系統會自動同步更新 JSON 內部的引用欄位。

  • 操作步驟:
    1. 勾選 「批次重新命名檔案」 選項。
    2. 在輸入框中輸入目標字首(例如:111)。
    3. 點選 [開始最佳化資料集]。
  • 功能特性:

    • 同步修改:不僅修改物理磁碟上的檔名(如 111_000001.jpg),同時會自動修正 JSON 檔案內部的 imagePath 欄位,確保資料關聯不丟失。

    • test3.png

    • test2.png

3. 缺陷名稱管理

針對標籤名不規範或需要合併類別的情況,系統提供以下兩種模式:

A. 統一修改缺陷名(全域性覆蓋)

適用於將當前資料集中所有不同類別的缺陷合併為一個新名稱。

  • 示例:原標籤為 qx(缺陷),希望統一改為 bd(白點)。

  • 效果:處理後,結果資料夾內所有 JSON 裡的 label 欄位將全部變為 bd。

B. 對映指定缺陷(精準替換)

適用於只修改特定的缺陷類別,而保持其他類別不變。

  • 示例:資料集中包含 qx、zz、bd 三種標籤,僅需將 zz(雜質)修改為 bszz(白色雜質)。

  • 操作:勾選 「對映指定缺陷」,在舊名稱欄輸入 zz,新名稱欄輸入 bszz。

  • 效果:僅有 zz 會被替換,其餘標籤不受影響。


資料安全:所有最佳化操作均在“結果資料夾”中進行,不會修改您的原始輸入資料。

test4.png