# mvlab

**Repository Path**: amtech/mvlab

## Basic Information

- **Project Name**: mvlab
- **Description**: 超级模型快速建模工具
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2023-07-23
- **Last Updated**: 2023-07-23

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

| 菜单       | 功能              |                             说明                             |
| ---------- | ----------------- | :----------------------------------------------------------: |
| 基础功能   | 数据下载          |                  下载Excel中URL链接的数据。                  |
| 基础功能   | 翻转修正(A)       | 检查拍照图片是否翻转90°（PIL和CV读取的宽高是否不一致）并修复。 |
| 基础功能   | 图片命名(R)       | 给定前缀重命名数据集，项目类别_负责人名字缩写_时间（会自动在后面追加生成时间），如ty_ljj_20210121。如果数据集中包含Json文件，则会同时更新Json中图片路径信息。 |
| 基础功能   | 图片裁剪(C)       | 将已标注好labelme图片中的SKU按名称存储入相应的文件夹，以便数据检查，最后支持重新 生成Json标注。 |
| 基础功能   | 生成标注(G)       |       在完成SKU文件夹检查纠错之后，重新生成Json文件。        |
| 基础功能   | 收集SKU(S)        |    收集cut文件夹目录下，单张图片中含两个以上SKU的所有框。    |
| 基础功能   | 查找图片(F)       | 查找包含指定SKU名称的所有图片，并复制至指定位置（默认为同级目录下的新文件夹）。 |
| 基础功能   | 检查标签(J)       | 将总表标签复制到本地txt，检查cuts目录下的文件夹是否在总表中存在。 |
| 基础功能   | 合并标注          | 合并mask数据集标注框，并去除重叠框（优先保留原数据集标注，其次合并入新数据集标注）。 |
| 基础功能   | 修改标签          |                  修改mask数据SKU标签名称。                   |
| 基础功能   | 过滤背景框        |      根据主场景mask框，将主场景外的全部背景SKU删除掉。       |
| 基础功能   | 绘画标注框        |                  在图片上绘画出json标注框。                  |
| 数据统计   | 逐张统计框数      |                  统计每张图片的标注框数量。                  |
| 数据统计   | 数据集框数(T)     |      统计labelme标注数据集的图片数、SKU类别数和总框数。      |
| 数据统计   | 统计框数-表格附图 | 输入cuts文件夹，自动生成映射表（需手动将excel表格图片全部嵌入为单元格图片）。 |
| 数据增强   | 盒子拍照矫正      | AIOT冰箱鱼眼摄像头拍照会产生畸变，手动拍照的图片需要矫正处理。 |
| 数据增强   | Gamma增强         |                  对图片进行Gamma亮度调整。                   |
| 数据增强   | 图片Resize        |        压缩（resize）图片长宽，支持同时压缩mask标注。        |
| 数据增强   | Mosaic Bbox       |           随机4张图片拼接生成新标注图片，bbox版。            |
| 数据增强   | Mosaic Mask       |           随机4张图片拼接生成新标注图片，mask版。            |
| 数据集工具 | mask训前检查      |       检查并过滤json数据集噪点[点、线、越界]标注mask。       |
| 数据集工具 | mask转coco        |      输入labelme标注好的文件夹，生成coco格式的数据集。       |
| 数据集工具 | coco转mask        |         输入coco数据json，转换成labelme格式的数据。          |
| 数据集工具 | bbox转mask        | 将bbox（xml）数据转换成mask（json）数据（默认在xml同目录下生成）。 |
| 数据集工具 | mask转bbox        |          将mask（json）数据转换成bbox（xml）数据。           |
| 数据集工具 | 实例转语义        |                     实例分割转语义分割。                     |
| 数据集工具 | 语义转实例        |                     语义分割转实例分割。                     |
| 数据集工具 | boxInfo转labelme  | 将运营系统识别结果Json转成labelme格式（需将图片和json放同一目录）。 |
| 数据集工具 | labelme转boxInfo  | 将labelme格式数据转成运营系统识别结果Json（需将图片和json放同一目录）。 |
| 数据集工具 | 采样分类数据      | 从cuts文件夹下随机采样出训练或测试集，可以指定每类的最大数量。 |
| 数据集工具 | 采样检测数据      |     从输入文件夹中随机采样出一定数量的图片，作为测试集。     |
| 超级模型   | 查询库            |                  查询指纹库和显存SKU数据。                   |
| 超级模型   | 删除库            |            删除未学习本地H5库中指定路由下的指纹。            |
| 超级模型   | 特征入库          | 即时更新SKU新品入特征库，每款SKU新品建议标注至少10个框再入库（尽量保证每个框都具备多样性）。更新完成后即可使用自动打标服务进行打标。 |
| 超级模型   | 加载库            |   加载特征库到内存/显存中，只有加载之后才能进行指纹识别。    |
| 超级模型   | 释放缓存          |   主动释放缓存，打标结束后，如无需再使用，请主动释放缓存。   |
| 超级模型   | 检索相似图片      |          在库中检索是否存在相似SKU，返回生成EXCEL。          |
| 超级模型   | 小图检索归类      |        与库中的图片特征进行匹配，并重新归类本地图片。        |
| 超级模型   | 商品识别          | 给定检测服务端口地址、检测路由和特征索引路由，即可对给定的图片集进行打标，输出标注为Json格式。支持在线调整阈值和topk参数。 |
| 超级模型   | 评估识别率        | 对比人工标注和模型预测的labelme标注文件，评估得出查全率、查准率指标。 |
| 超级模型   | 筛选误识别        | 结合人工标注数据和模型推理结果，筛选出误检、漏检和多检的标签。 |
| 识别服务箱 | Retail4.0识别     |              常规sku和（或）场景分层识别服务。               |
| 识别服务箱 | mm2.x微识别       | mmdetection2.x模型推理服务（bbox、mask），无后处理高效实现版。 |
| 识别服务箱 | 图片质量检测      |                根据指标筛选出质量合格的图片。                |