图像标注质量控制工具

自动检测图像标注中的质量问题，并生成带有可视化结果的详细报告。

功能特性

• - ✅ 多格式支持：COCO / YOLO / VOC / LabelMe
• ✅ 自动检测：无需指定格式，自动识别
• ✅ 场景化质量控制：通用 / 道路 / 工业 / 安防
• ✅ 自动保存报告：自动保存至 qc_report/ 目录
• ✅ 可视化：生成带有错误标注（红色框）的图像
• ✅ 多格式报告：TXT / JSON / Excel

快速开始

bash

基本用法（自动检测格式）

python3 scripts/qc_tool.py -i <图片目录> -a <标注目录>

指定格式

python3 scripts/qc_tool.py -i ./images -a ./annotations -f labelme

工业检测场景

python3 scripts/qc_tool.py -i ./images -a ./annotations -d industrial

抽样100张图片

python3 scripts/qc_tool.py -i ./images -a ./annotations -s 100

指定输出目录

python3 scripts/qctool.py -i ./images -a ./annotations -o ./myreport

生成Excel报告

python3 scripts/qc_tool.py -i ./images -a ./annotations --formats txt json xlsx

参数说明

参数	简写	说明	默认值
--image-dir	-i	图片目录	（必填）
--annotation

-a | 标注文件或目录 | （必填） | | --format | -f | 标注格式 | auto | | --domain | -d | 应用场景 | general | | --sample | -s | 抽样数量 | 全部 | | --output | -o | 输出目录 | ./qc_report | | --formats | - | 报告格式 | txt json | | --no-visual | - | 禁用可视化 | false |

场景说明

• - general：通用场景
• road：自动驾驶（小目标、遮挡）
• industrial：工业检测（微小缺陷）
• security：安防监控

输出示例

╔══════════════════════════════════════════╗
║ 图像标注质量控制 ║
╠══════════════════════════════════════════╣
║ 图片：1000 标注：4523 ║
║ 错误：127 质量评分：85.5 ║
║ 准确率：97.2% ║
╚══════════════════════════════════════════╝

输出文件

质量控制完成后，在标注目录中生成以下文件：

annotations/
├── qc_report/
│ ├── qc_report.txt # 文本报告
│ ├── qc_report.json # JSON详细报告
│ ├── qc_report.xlsx # Excel报告（可选）
│ └── visual/ # 可视化图片
│ ├── frame001qc.png
│ └── frame002qc.png

错误类型

错误	说明	权重
漏标	明显目标未标注	1.0
错标

标注区域与目标不匹配 | 0.8 | | 偏移 | 框边缘偏差>10像素 | 0.5 | | 过大 | 框明显大于目标 | 0.3 | | 过小 | 框未完全包含目标 | 0.5 | | 重复 | 同一对象多次标注 | 0.5 | | 标签错误 | 类别标签错误 | 0.8 |

质量评分

评分 = 100 × (标注数 - 错误数×权重) / 标注数

等级划分：

• - 90分以上：优秀
• 80-89分：良好
• 70-79分：合格
• 70分以下：不合格

安装

bash
pip install Pillow openpyxl

作为模块使用

python
from qc_tool import AnnotationQC

qc = AnnotationQC(images/, annotations/, format=labelme)
data = qc.load_annotations()
result = qc.check_annotations(data)
qc.generate_report(result, formats=[txt, json])
qc.visualize_errors(result)
print(f质量评分：{result.quality_score})