Ich wandelt deinen yolo-, coco- oder voc-Datensatz für das Training um, bereinigt und repariert

Einige Informationen wurden automatisch übersetzt.

Vietnam

Ich spreche Vietnamesisch, Englisch

KI-Ingenieur für Computer Vision und LLM-Apps

Ich baue KI-Systeme, die in der echten Welt funktionieren. Meine letzten Projekte sind SYL GuardianCam, ein Echtzeit-Sturz-Erkennungssystem (YOLO Pose, FastAPI, Docker) mit 83% F1, das Top 10 bei AI20...
Über diesen Service

Schlechte Daten sind der häufigste Grund, warum ein Erkennungsmodell versagt. Ich bereinige, konvertiere und überprüfe dein Objekt-Erkennungs-Dataset, damit es bereit für das Training ist.


Hintergrund: Für mein PPE-Sicherheits-Erkennungsprojekt habe ich 5 öffentliche Quellen zu einem sauberen Dataset mit 6956 Bildern zusammengeführt: einheitliche Klassenbezeichnungen, Duplikate entfernt, Leckagen zwischen Training und Test geprüft und fehlerhafte Labels korrigiert. Zusammen mit Methodenvergleichen stieg der mAP50 von 0.674 auf 0.753 auf einem Testset mit 808 Bildern.


Ich kann:

  • Zwischen YOLO TXT, COCO JSON, Pascal VOC XML und Roboflow-Exporten konvertieren
  • Beschädigte Bilder, exakte und nahe Duplikate, leere oder ungültige Boxen entfernen
  • Klassen in mehreren Datensätzen umbenennen, zusammenführen oder neu zuordnen
  • Saubere Trainings-, Validierungs- und Testaufteilungen ohne Leckagen erstellen
  • Klassenanzahlen, Boxengrößen und verdächtige Labels mit visuellen Beispielen berichten

Was du bekommst:

  • Das bereinigte Dataset in deinem Ziel-Format mit data.yaml
  • Ein kurzer Audit-Bericht (CSV/Markdown plus Diagramme)
  • Die Python-Skripte, die ich verwendet habe, damit du den Prozess wiederholen kannst

Hinweis: Neue Labels von Grund auf neu zu zeichnen, ist nicht enthalten. Schreib mir für ein Angebot.

Technik:

Automatisiert

Tagging-Typ:

Bild

•

Video