#198 · 主分类： 计算机视觉
cleanvision
computer-vision
data-centric-ai
data-exploration
data-profiling
data-quality
data-science
data-validation
deep-learning
exploratory-data-analysis
image-analysis
image-classification
image-generation
image-quality
image-segmentation
自动发现图像数据集中的问题，实践以数据为中心的计算机视觉。
项目最后更新：01/08/26
GitHub Stars
1.2K
Forks数量
83
贡献者数量
20
许可证
Apache-2.0
收录理由
训练计算机视觉模型之前，先搞清楚图像文件夹里到底有什么，这步往往被忽略，而 CleanVision 就是帮你做这件事的工具。你只要把任意一个存放图片的目录交给它，它就会逐像素扫描，自动找出常见的质量问题：模糊、曝光不足或过度、近乎重复或完全重复的图片、信息量过低的画面、混进来的灰度图，以及尺寸或宽高比异常的样本。它的接口很精简，核心就是 Imagelab 对象，调用 find_issues() 做检查，再用 report() 输出一份清晰的报告，而且你可以只针对自己关心的那几种问题来筛查，不必每次都跑全量检测。它支持常见的图片格式，无论是本地文件夹、torchvision 数据集还是从 Hugging Face 拉取的数据，用法都一样，因此很容易嵌入到已有的数据处理流程里，当作一个早期的质量把关环节。如果你的痛点不是图像像素本身，而是标签标注错误，那么同门的 cleanlab 包更适合你；但若是想先把图像数据本身洗干净，CleanVision 是一个值得在项目启动时先跑一遍的快速预处理步骤。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。