人工智能数据集可视化统计分析工具：快速了解你的数据集
- 简介
- 特征
- 示例报告
- 安装
- 用法
简介
Lightly Insights：可以轻松获取关于机器学习数据集基本洞察的工具，可以可视化图像数据集的基本统计信息，仅需提供一个包含图像和对象检测标签的文件夹，它会生成一个包含指标和图表的静态 HTML 网页。
[1] 详细内容请参阅 MarkAI Blog
[2] 更多资料请参阅 MarkAI Github
特征
- 支持所有可以使用Labelformat包读取的对象检测标签格式。其中包括 YOLO、COCO、KITTI、PascalVOC、Lightly 和 Labelbox。
- 显示图像、对象和类别计数
- 分析有多少图像没有标签，并提供它们的文件名。
- 显示图像样本
- 显示图像和物体尺寸的分析
- 显示每个类的分析，包括对象大小、每个图像的计数、位置热图等。
示例报告
安装
pip install lightly-insights
用法
Lightly Insights 报告由 python 脚本生成。下面的示例使用PascalVOC 2007数据集。您可以按照示例下载它（~450MB）：
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
tar -xvf VOCtrainval_06-Nov-2007.tar
要运行 Lightly Insights，我们需要提供：
- 图片文件夹。在我们的例子中就是./VOCdevkit/VOC2007/JPEGImages。
- 物体检测标签。对于 PascalVOC，构造函数需要带有注释 ./VOCdevkit/VOC2007/Annotations和类列表的文件夹。
from pathlib import Path
from labelformat.formats import PascalVOCObjectDetectionInput
from lightly_insights import analyze, present# Analyze an image folder.
image_analysis = analyze.analyze_images(image_folder=Path("./VOCdevkit/VOC2007/JPEGImages")
)# Analyze object detections.
label_input = PascalVOCObjectDetectionInput(input_folder=Path("./VOCdevkit/VOC2007/Annotations"),category_names=("person,bird,cat,cow,dog,horse,sheep,aeroplane,bicycle,boat,bus,car,"+ "motorbike,train,bottle,chair,diningtable,pottedplant,sofa,tvmonitor")
)
od_analysis = analyze.analyze_object_detections(label_input=label_input)# Create HTML report.
present.create_html_report(output_folder=Path("./html_report"),image_analysis=image_analysis,od_analysis=od_analysis,
)
要查看报告，请打开./html_report/index.html.
