YOLO / Labelme目标分割数据集增强扩充软件v1.0.0适用于YOLO全版本

1、本软件由微智启软件工作室开发，可以用于labelme标注的数据集进行增强扩充操作，让一张图最多可以变成7张，而且增强后的标注文件会随着图片一起增强，简而言之就是不用再重复标注。

2、适用于YOLOV5V8V11V26......全YOLO系列目标分割版本的数据集增强。

软件下载地址：

链接：https://pan.baidu.com/s/1o5U0Ig8RC_Yl427EHpVUrQ

提取码: 6688

原图：

增强后的结果（一变多）：

使用视频演示教程

【YOLO目标分割数据集增强扩充软件使用教程完整版】 https://www.bilibili.com/video/BV1Zqt667E1u

一、软件简介与功能特色

本软件面向 YOLO 实例分割 / 语义分割 数据集制作，把一张带标注的原始图片

"一键变成成百上千张"，快速扩充训练集，减少手工标注工作量。

主要特色：

特色	说明
🎯 面向分割数据集	输入支持 YOLO TXT（多边形格式）与 Labelme JSON（polygon）两种格式，增强时标注随图像同步变换，输出统一为 YOLO TXT 分割格式，可以直接用于YOLO目标分割训练。
🧬 7 种内置增强	翻转、旋转、亮度对比度、高斯噪声、模糊、RGB 通道平移，全部可单独勾选并可调强度
🎚️ 强度滑杆	除翻转外的每种增强都有 1%~100% 强度滑杆，100% 为默认强度，可自由减弱
🔀 随机组合扩充	每生成一张增强图，就从你勾选的方法中随机抽几种组合，同一张原图能得到多样化的变体
📂 自动划分数据集	默认开启：增强完成后自动按 Train / Val / Test 比例随机划分，可直接用于 YOLO 训练
🗂️ 原图原标注一并导出	原始图片与标注也会复制到输出目录，一起参与划分与训练，不浪费已有标注
🏷️ 智能类别管理	如果是json文件，自动识别类别、生成 `classes.txt`，数字标签与真实类别名自动对应
🔒软件大小	解压后，文件夹大约380M

二、快速开始（3 步）

选择路径（界面第 1 区）
图片文件夹：必填，放所有原始图片。
TXT / JSON 标签：二选一即可（支持多边形分割标注）。
- YOLO TXT：每张图一个 .txt，内容为 类别编号归一化顶点坐标...；
  最好在txt目录文件夹放 classes.txt（每行一个类别名，行号即编号），这样会映射标签名。
- Labelme JSON：shapes 里的 polygon 多边形标注。
导出文件夹：可留空，默认输出到图片目录同级 output/。

上图中的①和②的标注文件中任选一个即可，也就是json和txt格式均可，二选一。

勾选增强方式并设置扩充倍数（界面第 2 区）
7 种方法默认全部勾选，可自行增删；每种带强度滑杆（翻转除外）。
"扩充倍数"上限 = 当前勾选的方法数，默认即为上限。
红色框：增强的类型，如果不勾选，就不会应用当前类型的增强模式。
蓝色框：可以调整增强的强度，例如尽量选择到45°，还是只有10°范围内的小旋转。
绿色框：一张图片，最终扩充变成多少张图片（这7张里面的增强类型，会从上面勾选的类型中随机选择）

点击【启动增强项目】按钮
开始增强操作，自动匹配图片和对应的标注文件
增强过程实时显示在右侧日志区，完成后自动弹出报告。

底部 【使用教程】 链接随时可以打开本软件的图文教程文章。

三、界面分区说明

左侧为控制面板（从上到下四块），右侧为进度与日志。

路径设置：图片 / TXT 标签 / JSON 标签 / 导出目录，支持手写粘贴或点【浏览...】选择。
增强方法勾选：7 种增强方式 + 各自强度滑杆 + 扩充倍数。
自动划分数据集（默认勾选）：Train / Val / Test 比例默认 0.8 / 0.1 / 0.1。
启动增强项目 与底部 使用教程 链接。

右侧：

处理进度：当前图片处理进度条。
运行日志 / Bug 记录 / 统计报告输出：实时显示每张图的处理结果，结束后打印统计报告。

四、支持的增强方式（7 种）

	增强方式	作用	默认	强度滑杆
1	水平翻转	镜像翻转，几何不变，最常用的数据扩充	✅	无（翻转/不翻转）
2	垂直翻转	上下镜像	✅	无
3	随机旋转	随机角度旋转目标	✅	有（最大 45°）
4	亮度/对比度	模拟光线明暗、曝光变化	✅	有
5	高斯噪声（噪点）	叠加噪点，提高抗噪鲁棒性	✅	有
6	模糊	高斯模糊，模拟虚焦/运动模糊感	✅	有
7	RGB 通道平移	通道色偏，模拟不同白平衡/滤镜	✅	有

强度滑杆说明 ：滑杆范围 1%~100%，100% 即软件默认强度；往下拉逐步减弱。

完全不想用某种增强时，取消勾选即可（取消后对应滑杆自动变灰）。

扩充倍数说明 ：扩充倍数不能超过勾选的方法数量。

每生成一张增强图，程序会从勾选的方法里随机抽取若干种 做组合，

所以倍数越高、组合越多样；扩充倍数＝N 表示每张原图额外生成 N 张增强图

（另加 1 张原图原标注一并导出）。

五、自动划分数据集（默认开启）

勾选 "增强完成后自动划分数据集" 后，软件在全部增强完成后自动把

原始 + 增强 的所有样本随机打乱，按比例划入 train / val / test 三个子集。

输出目录结构示例：

复制代码

output/
├── train/
│   ├── images/      原图+增强图
│   └── labels/      对应 YOLO TXT 标注
├── val/
│   ├── images/
│   └── labels/
├── test/
│   ├── images/
│   └── labels/
├── classes.txt            类别清单（行号=数字标签 ID）
├── dataset_summary.json   统计报告（机器可读）
└── aug_error_log.txt      个别文件失败时的错误明细

比例要求：Train + Val + Test 三者之和必须等于 1（误差 ±0.01），否则会提示修改。

若不需要划分，取消勾选即可，此时增强结果直接输出到 output/images 与 output/labels。

六、输入输出格式约定

项目	要求
图片格式	`.jpg` `.jpeg` `.png` `.bmp` `.webp`
YOLO TXT	每行 = `类别编号 + 归一化多边形顶点(x y x y ...)`（分割格式，顶点数 ≥ 3）
Labelme JSON	`shapes` 内为 `polygon` 类型；一个 JSON 里多个 polygon 将按各自 label 拆分
类别清单	TXT 目录下放 `classes.txt`（每行一个类名）可自动读出真实类别名；找不到时纯数字编号保持不变

输出统一为 YOLO 分割格式 ：即使输入是 Labelme JSON，输出也会自动转成同名的

YOLO TXT，并生成与类别对应的 classes.txt，可直接用 YOLO 官方仓库训练。

几点使用提醒：

输出文件夹不能与输入文件夹相同或相互嵌套，防止覆盖原数据。
已有标注但图片损坏、或图片没有对应标注的文件会被跳过，并在报告中列出原因。

七、常见问题（FAQ）

Q1：运行时出错 / 结果不对，怎么反馈？

请把软件运行目录下的 app.log、输出目录里的 aug_error_log.txt、dataset_summary.json

发给作者，即可快速定位问题。

Q2：为什么有些图片被跳过？

该图片没有找到同名 .json / .txt 标注，或图片损坏无法读取。被跳过的文件会列在最终报告里。

Q3：Labelme 里我画的是矩形/圆形标注，能增强吗？

当前版本只处理 polygon 多边形（分割任务）。矩形可先用工具转成四点多边形。

Q4：TXT 标注没被正确识别怎么办？

确认文件是分割多边形格式 （每行 ≥ 7 个数字：1 个类别编号 + 至少 3 组坐标），

若用的普通检测框格式（class x y w h）请先转换为分割格式。

Q5：扩充后训练效果仍一般？

适当调整强度滑杆和扩充倍数；确保原图 + 标注对得上；类别不平衡时可单独为少数类多扩充。

Q6：软件在哪写文件（日志/授权）？

软件运行目录app.log。

祝标注顺利，模型精度起飞。有问题联系我们-微智启软件工作室。