YOLO 数据集预处理太麻烦这个 GUI 工具一键搞定划分、分析、脚本生成做目标检测80% 的时间花在数据上。这个工具把数据集划分、类别平衡增强、可视化分析、训练脚本生成整合到一个界面里打包成 exe双击即用。演示视频添加链接描述前言做 YOLO 目标检测项目最耗时间的不是写模型代码是处理数据手动划分 train/val/test改比例要重来标签格式不对要批量改类别严重不平衡少数类学不到特征训练参数 epochs、batch、lr 怎么设全靠拍脑袋这些活干完半天就没了。我自己在做项目时被这些问题折腾烦了从几个零散的 Python 脚本开始一步步迭代加上 GUI、加上类别平衡增强、加上自动分析和脚本生成最终整理成这个开箱即用的工具——YOLO 目标检测数据处理与分析工具 V1.0。工具概览一个 PyQt5 桌面程序四个 Tab 页数据集划分、数据集分析、训练脚本生成、使用手册。已打包成独立 exe178MB不依赖 Python 环境Windows 双击即用。一、数据集划分基本功能支持文件夹或压缩包直接导入不用先解压自定义 train/val/test 比例默认 8:1:1划分完自动生成data.yamlYOLO 直接能用重点类别平衡增强大多数真实数据集类别严重不平衡。以我用的一个军事目标检测数据集为例类别标注框数占比military_tank2003139.4%military_aircraft863617.0%civilian530.1%trench440.09%坦克类占 40%平民类只有 0.1%差距 378 倍。直接训练模型对少数类基本是瞎的。勾选「类别平衡增强」后工具会用albumentations库对少数类自动做数据增强翻转、旋转、色彩变换、缩放等多线程并行执行把各类样本补齐到同一数量级。不用手写一行增强代码。划分完的文件结构split_dataset/ ├── train/ │ ├── images/ │ └── labels/ ├── val/ │ ├── images/ │ └── labels/ ├── test/ │ ├── images/ │ └── labels/ ├── analysis_report/ └── data.yaml二、数据集分析划分完一键跑分析自动生成7 张可视化图表 1 份完整文字报告。分析报告总览报告首页是数据集概览包含总图像数、有效标注数、类别数、不均衡比、小目标占比、空标签数等核心指标以及 train/val/test 子集统计和 Top 类别分布。7 张可视化图表图表作用类别分布柱状图一眼看出哪些类别样本不足目标大小分类饼图小/中/大目标占比决定 imgsz 怎么设宽高比分布直方图判断是否需要调整 anchor边界框散点图看标注框的宽高分布密度每图标注框数分布发现异常图标注过多或过少蒙太奇预览图带标注框的拼图直观看到数据长什么样数据统计摘要表数值化的完整报告三、训练脚本生成训练参数怎么设是新手最容易卡的地方。这个功能读取分析报告data_info.txt根据数据集特征自动推荐参数epochs根据图像数量推荐数据少就多轮数据多就少轮batch根据图像尺寸和数量推荐imgsz根据目标大小分布推荐小目标多就用大尺寸workers根据 CPU 核心数推荐点「自动填充推荐参数」一键填入也可以手动微调。支持 YOLO V8 / V10 / V11 / V26 四个版本模型从 nano 到 xlarge 五档可选。点「生成训练脚本」输出一份完整的、可以直接python train.py运行的脚本。四、开箱即用工具打包为独立的YoloTool.exe178MB不需要安装 Python不需要 pip install下载后双击即用。界面内置完整使用手册不会用随时查。技术栈GUI 框架PyQt5数据增强albumentations可视化matplotlib图像处理OpenCV打包PyInstaller获取方式工具完全免费开源关注公众号**「老友视觉笔记」**后台回复关键词YOLO工具自动获取下载链接。V1.0 是第一个版本后续会持续迭代。如果你有需要的功能比如支持 COCO/VOC 格式、自动标注辅助、训练监控等欢迎留言点赞高的需求优先做。如果这篇文章对你有帮助点个赞收藏一下后面有更新会继续分享。