YOLO 数据集预处理工具

一个面向 YOLO 系列目标检测模型的桌面化数据集预处理工具，用于简化常见的数据清洗、结构整理与格式校验流程。

项目以可执行程序交付为目标，同时保留完整源码，适合个人研究、课程项目及小规模工程使用。

✨ 功能概述

• 目录结构校验：自动检查并整理符合 YOLO 规范的文件夹结构。
• 数据集拆分：支持一键将原始数据按比例拆分为 train / val / test 集合。
• 数据集创建：一键创建符合YOLO规范的数据集
• 数据集扩展：在原有数据集基础上加入新的数据样本
• 图形化界面：提供直观的 GUI 界面，无需任何命令行操作
• labelimg命令生成：自动生成labelimg数据标注命令
• yaml文件生成：一键生成yaml配置文件，可更改
• 便捷打包：支持通过脚本快速打包为 Windows 可执行程序（.exe）。
• 动态可交互预览树：支持可随用户构建动态构建更新预览树，且可以在预览树打开文件

📌 定位：本工具为「数据准备阶段的辅助工具」，不涉及模型训练或推理。

📂 项目结构

.
├── main.py                # 程序入口
├── core/                  # 核心数据处理逻辑
├── ui/                    # 图形界面相关代码
├── utils/                 # 通用工具函数
├── models/                # 数据结构与模型定义（不包含权重）
├── build.spec             # PyInstaller 构建配置
├── release.spec           # PyInstaller 发布配置
├── installer_setup.iss    # Inno Setup 安装脚本
├── build_release.bat      # 自动化构建脚本
├── build_installer.bat    # 安装包构建脚本
├── create_portable.ps1    # 便携版创建脚本
├── ARCHITECTURE.md        # 项目架构说明
├── PROJECT_STATUS.md      # 当前开发状态
├── RELEASE.md             # 发布说明
├── requirements.txt       # 项目依赖清单                 
└── README.md              # 项目说明（本文档）

🚀 使用方式

方式一：直接使用可执行程序（推荐）

1. 前往 GitHub Releases 页面。
2. 下载最新版本的安装包（Installer）或便携版（Portable）。
3. 按提示安装或直接解压运行即可。
4. 无需安装 Python 环境。

方式二：从源码运行

环境要求

• Python 3.10+
• Windows 系统（GUI 与打包流程基于 Windows）

启动程序

python main.py

📦 构建与打包（开发者）

本项目使用以下工具链：

• PyInstaller：生成可执行文件。
• Inno Setup：生成 Windows 安装包。
• PowerShell / Batch：自动化构建流程。

构建示例

# 生成发布版 .exe
build_release.bat

# 生成安装包
build_installer.bat

详细说明请参见 ARCHITECTURE.md 与 RELEASE.md。

🎨 设计说明

• 解耦设计：核心逻辑与 UI 界面完全分离，便于后续功能扩展。
• 构建分离：构建产物与源码严格分离，保持仓库整洁。
• 产品思维：以「可分发工具」而非简单的脚本为目标进行设计。

⚠️ 已知限制

• 当前仅针对 YOLO 系列数据集格式。
• 不包含模型训练、推理或可视化功能。
• 未对超大规模数据集进行极致的性能优化测试。

📜 License

本项目采用 MIT License，可自由用于学习、修改与分发。请保留原作者信息。

👤 作者说明

这是作者的第一个完整工具型开源项目，目标是将零散的实验性脚本，整理为可复用、可交付的软件工具。

欢迎提交 Issue、提供建议或改进意见！