# yolo-mark-mini

**Repository Path**: gu-beichen-starlight/yolo-mark-mini

## Basic Information

- **Project Name**: yolo-mark-mini
- **Description**: 数据标注平台
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2025-12-30
- **Last Updated**: 2025-12-30

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# YOLO数据标注平台

一个功能完整的YOLO数据标注平台，支持图像分类和目标检测任务的数据集管理与标注。平台采用前后端分离架构，遵循高内聚低耦合设计原则，便于维护和扩展。

## 🚀 功能特性

### 1. 仪表盘
- 查看当前数据集数量统计
- 显示待执行任务、执行中任务、执行完成任务数量
- 展示系统基本信息（CUDA支持状态、Torch版本等）
- 左侧一级菜单导航，简洁直观

### 2. 类别管理
- 提供表格界面用于存储和管理类别
- 支持用户对类别进行增删改查操作
- 系统启动时自动添加常见类别
- 创建数据集时可从类别库中多选

### 3. 数据集管理
- **创建数据集**：支持设置数据集名称、描述、类型（检测或分类）、类别选择
- **文件夹结构**：使用UUID-时间戳作为ID创建数据集文件夹
  - **图像分类**：自动创建train/test等文件夹结构
  - **目标检测**：自动创建images/labels等文件夹结构
- **多种上传方式**：
  - 支持单张图片上传，可指定目标文件夹和类别
  - 支持压缩包批量导入，自动识别并合并已有类别/文件夹
- **智能合并**：压缩包导入时，自动识别train/test或images/labels结构并合并内容

### 4. 数据标注
- 支持选择数据集进行标注
- 提供直观的标注界面，支持YOLO格式标注
- 支持多种标注工具和快捷键操作

## 📁 项目结构

```
yolo-mark-mini/
├── main.py                 # 项目启动脚本
├── requirement.txt         # 项目依赖
├── yolo_train_mini.db      # SQLite数据库文件
├── web/                    # 前端资源
│   ├── css/main.css        # 样式文件
│   ├── html/               # HTML页面文件
│   │   ├── annotation.html # 标注页面
│   │   ├── class.html      # 类别管理页面
│   │   ├── dashboard.html  # 仪表盘页面
│   │   └── dataset.html    # 数据集管理页面
│   └── js/                 # JavaScript文件
│       ├── annotation.js   # 标注功能逻辑
│       ├── class.js        # 类别管理逻辑
│       ├── dashboard.js    # 仪表盘逻辑
│       ├── dataset.js      # 数据集管理逻辑
│       └── main.js         # 主入口脚本
└── ymm/                    # 后端模块
    ├── api/                # API接口模块
    ├── config/             # 配置模块
    ├── mapper/             # 数据库映射模块
    ├── service/            # 业务逻辑模块
    └── tool/               # 工具模块
```

## 🛠 技术栈

- **后端**: Python + Flask
- **前端**: HTML5 + CSS3 + JavaScript
- **数据库**: SQLite
- **深度学习**: PyTorch, YOLO系列模型
- **其他**: YAML, psutil

## 🔧 环境要求

- Python >= 3.7
- PyTorch >= 2.5.1
- Flask >= 2.0.0
- 其他依赖详见 requirement.txt

## 🚀 快速开始

1. 克隆项目
2. 安装依赖：
   ```bash
   pip install -r requirement.txt
   ```
3. 启动服务：
   ```bash
   python main.py
   ```
4. 访问 `http://localhost:5000` 开始使用

## 📋 使用说明

### 仪表盘
- 登录后首先进入仪表盘页面
- 查看数据集总数、任务状态统计
- 系统信息面板显示CUDA支持和Torch版本

### 类别管理
- 在类别管理页面可以查看、添加、修改、删除类别
- 新建数据集时可从现有类别中选择

### 数据集管理
- 创建新数据集时指定名称、描述、类型和类别
- 支持上传单张图片或压缩包批量导入
- 系统自动创建相应的文件夹结构

### 数据标注
- 选择数据集进入标注界面
- 使用标注工具进行目标框标注
- 标注结果自动保存为YOLO格式

## 🤝 贡献指南

欢迎提交 PR 和 Issue！

1. Fork 项目
2. 创建功能分支 (git checkout -b feature/amazing-feature)
3. 提交更改 (git commit -m 'Add some amazing feature')
4. 推送分支 (git push origin feature/amazing-feature)
5. 发起 Pull Request

## 📄 许可证

本项目采用 MIT 许可证 - 查看 [LICENSE](LICENSE) 文件了解详情