企业官网建设流程全解析

简介：这是一套面向YOLO系列目标检测模型（如YOLOv5）开发者的轻量级数据增强工具集，专为解决小样本场景下带标注图像扩增难题而设计，适用于算法工程师、计算机视觉初学者及课程实验实践者。资源共23个文件，包含16张示例JPG图像、4个核心Python脚本（rename_file.py用于批量重命名；DataAugmentforLabelImg.py和DataAugmentforLabelMe.py分别适配LabelImg与LabelMe两种主流标注格式，支持翻转、仿射变换、高斯模糊、亮度调节、平移、剪切及自适应高斯噪声等策略的随机组合增强）、1个XML标注样例、1个JSON标注样例及1份README说明文档，压缩包仅1.64MB，结构清晰、开箱即用。已有876人学习下载，提供完整可运行的增强流程封装，覆盖数据预处理全链路——从路径配置、标注同步校验到多策略混合增强，显著降低手动编写增强逻辑门槛，助力快速构建高质量训练集。

1. YOLO数据集增强不是“加图凑数”，而是让模型在真实场景里不认怂

你有没有遇到过：YOLOv5训练时mAP卡在72%不上不下，验证集上小目标漏检严重，但翻遍标注文件——框是准的、类别是对的、格式也符合YOLO规范；再查数据量，300张图+1200个标注框，不算少，可模型就是学不会“在雨雾里辨人”“在强光下识车牌”“在遮挡中判姿态”。问题不在标注质量，也不在模型结构，而在于原始数据太“干净”、太“理想”、太“不现实”。这套yolo数据集的数据增强方案，就是专治这种“训练很稳、部署就翻车”的玄学现场——它不靠堆GPU硬训，而是用带标签同步变换的确定性增强策略，把1张实拍图掰成8~12张“有物理意义”的新样本：镜像后bbox坐标反向重算、仿射旋转时mask顶点实时映射、高斯噪声叠加前先做亮度自适应归一化……所有增强操作都严格绑定label，确保图像像素变、标签数值也跟着动，零错位、零偏移、零手动校验。适合正在做YOLOv5/v7/v8目标检测毕设、课设的同学，也适合工业场景下需快速扩充小样本数据集的算法工程师——尤其当你手头只有几十张高质量实拍图，又没时间重标、不敢用GAN生成假数据时，这套方案就是你的后悔药。

2. 总体架构设计：三类标注格式适配 + 四层增强策略 + 双轨文件管理

这套工具不是写死一个pipeline的脚本集合，而是按“输入-处理-输出”分层解耦的轻量框架。核心逻辑藏在三个Python主文件里：rename_file.py负责前置治理，DataAugmentforLabelImg.py和DataAugmentforLabelMe.py分别对接两种主流标注生态。它们共享同一套增强引擎（封装在DataAugForObjectDetection/Segmentation包内），但解析label的逻辑完全隔离——这是避免LabelImg的YOLO txt格式和LabelMe的JSON格式互相污染的关键设计。整个流程不依赖任何GUI或配置文件，全靠路径参数和函数调用控制，方便嵌入到你的训练前处理流水线中。

2.1 文件组织与双轨管理机制：为什么必须区分“原始区”和“增强区”

项目目录结构看似简单，实则暗含工程经验：

Data-enhancement/ ├── rename_file.py # 独立预处理脚本（非增强，但必跑） ├── DataAugmentforLabelImg.py # 主增强入口（LabelImg用户用这个） ├── DataAugmentforLabelMe.py # 主增强入口（LabelMe用户用这个） ├── DataAugForObjectDetection/ # 检测专用增强模块（含bbox变换核） ├── DataAugForObjectSegmentation/ # 分割专用增强模块（含polygon/mask映射核） ├── data/ # 原始数据存放区（只读） │ └── Camera_1_*.jpg + *.txt # LabelImg格式：图片+同名txt（YOLO格式） ├── Imgs/ # 增强后输出区（可直接喂给YOLO训练） │ └── Camera_1_1_aug_001.jpg # 命名含源图ID+增强序号+类型标识 └── README.md

提示：data/是只读区，所有增强操作绝不修改原始文件；Imgs/是纯输出区，每次运行前建议清空。这种双轨制不是多此一举——某高校课程设计组曾因直接在原图目录下覆盖增强图，导致3天标注成果被os.remove()误删，最后靠Git历史才抢回。我一般会在rename_file.py开头强制加一句assert not os.path.exists('Imgs/') or len(os.listdir('Imgs/')) == 0，宁可报错中断，也不让脏数据混入。

2.2 三类标注格式的解析隔离设计：LabelImg vs LabelMe 的本质差异

LabelImg导出的是YOLO格式txt：每行class_id center_x center_y width height（归一化值），无图像尺寸信息；LabelMe导出的是JSON：含shapes[]数组（每个shape含points顶点列表）、imageHeight/imageWidth字段，且支持多边形、旋转矩形、线条等复杂标注。二者无法共用同一套坐标变换逻辑：

• 对LabelImg：增强时需先从txt读出bbox，转为绝对坐标（乘以原图宽高），再经几何变换，最后归一化回YOLO格式；
• 对LabelMe：直接读取JSON中的imageHeight/imageWidth，对points数组逐点应用仿射矩阵，再写回JSON的shapes字段。

DataAugmentforLabelImg.py中关键坐标转换代码如下：

# python def bbox_normalize(bbox, img_w, img_h): """将绝对坐标bbox转为YOLO归一化格式""" x_center = (bbox[0] + bbox[2] / 2) / img_w y_center = (bbox[1] + bbox[3] / 2) / img_h w_norm = bbox[2] / img_w h_norm = bbox[3] / img_h return [x_center, y_center, w_norm, h_norm] def apply_affine_bbox(bbox_abs, M, img_w, img_h): """对绝对坐标bbox应用仿射变换M，返回变换后绝对坐标""" # 将bbox四角点转为齐次坐标 pts = np.array([ [bbox_abs[0], bbox_abs[1]], [bbox_abs[0] + bbox_abs[2], bbox_abs[1]], [bbox_abs[0] + bbox_abs[2], bbox_abs[1] + bbox_abs[3]], [bbox_abs[0], bbox_abs[1] + bbox_abs[3]] ]) pts_h = np.hstack([pts, np.ones((4, 1))]) pts_trans = (M @ pts_h.T).T[:, :2] # 计算变换后最小外接矩形 x_min, y_min = pts_trans.min(axis=0) x_max, y_max = pts_trans.max(axis=0) return [x_min, y_min, x_max - x_min, y_max - y_min]

这段代码背后是血泪经验：早期版本直接对中心点+宽高做线性变换，结果旋转后bbox严重失真。后来改成四角点变换再包络，才真正解决“旋转90°后框变歪”的问题。注意apply_affine_bbox返回的是绝对坐标，后续必须再调用bbox_normalize才能写入YOLO txt——这个两步走流程不能省，否则增强后的txt文件会直接导致YOLO训练崩溃。

2.3 四层增强策略的组合逻辑：随机但可控，强但不崩

增强不是“越多越好”，而是按物理合理性分层：

DataAugForObjectDetection/augment_core.py中组合调度逻辑如下：

# python def get_augmentation_pipeline(): """返回一个可调用的增强函数链，按层级概率组合""" pipeline = [] # L1：必选一种 if random.random() < 0.5: pipeline.append(hflip_image) else: pipeline.append(vflip_image) # L2：70%概率启用 if random.random() < 0.7: if random.random() < 0.4: pipeline.append(add_gaussian_noise_adaptive) # 自适应噪声 elif random.random() < 0.5: pipeline.append(blur_image) else: pipeline.append(adjust_brightness_contrast) # L3：50%概率启用 if random.random() < 0.5: ops = [rotate_affine, translate_image, scale_image] pipeline.append(random.choice(ops)) # L4：仅30%样本走复合路径 if random.random() < 0.3 and len(pipeline) >= 2: # 随机插入第2个L2或L3操作 extra_op = random.choice([add_gaussian_noise_adaptive, blur_image, rotate_affine, translate_image]) pipeline.insert(random.randint(1, len(pipeline)-1), extra_op) return pipeline # 使用示例 aug_funcs = get_augmentation_pipeline() for func in aug_funcs: img, labels = func(img, labels) # labels可能是bbox列表或polygon列表

这里的关键是add_gaussian_noise_adaptive——它不像普通cv2.randn()那样固定σ，而是先计算图像平均亮度mean_lum = np.mean(cv2.cvtColor(img, cv2.COLOR_BGR2GRAY))，再设sigma = max(5, 25 - mean_lum * 0.2)。这样白天强光图加低噪，黄昏暗图加高噪，更符合真实传感器特性。很多同学抄网上代码直接用固定σ=10，结果增强后白天图全是雪花、夜晚图却平滑如新，模型根本学不到光照鲁棒性。

3. 核心模块实现：LabelImg标注增强的完整落地链路

LabelImg是YOLO训练最常用的标注工具，其txt格式虽简单，但增强时极易因坐标未归一化/未还原导致bbox错位。本节以Camera_1_1.jpg为例，完整演示从原始图到增强图+txt的端到端流程，所有代码均可直接复用。

3.1rename_file.py：为什么重命名是增强前不可跳过的一步

很多同学跳过这步，直接把一堆IMG_001.jpg、IMG_002.jpg丢进data目录，结果增强后生成IMG_001_aug_001.jpg、IMG_001_aug_002.jpg……训练时YOLO读取train.txt发现路径存在，但实际Imgs/里文件名是IMG_001_aug_001.jpg，而train.txt里写的是IMG_001.jpg——直接报错FileNotFoundError。rename_file.py的核心作用是：统一前缀+数字序号+补零对齐，确保后续增强命名可预测、路径可追溯。

原始文件名混乱示例：

Camera_1.jpg Camera_1_1.jpg Camera_1_10.jpg Camera_1_2.jpg

运行python rename_file.py --src_dir ./data --prefix "img" --start_idx 1后变为：

img_001.jpg img_002.jpg img_003.jpg img_004.jpg

关键代码段：

# python def batch_rename(src_dir, prefix, start_idx=1, exts=('.jpg', '.jpeg', '.png')): files = [] for ext in exts: files.extend(glob(os.path.join(src_dir, f"*{ext}"))) files.sort(key=lambda x: int(re.search(r'(\d+)', os.path.basename(x)).group(1)) if re.search(r'(\d+)', os.path.basename(x)) else 0) for i, old_path in enumerate(files, start=start_idx): old_ext = os.path.splitext(old_path)[1].lower() new_name = f"{prefix}_{i:03d}{old_ext}" new_path = os.path.join(src_dir, new_name) os.rename(old_path, new_path) print(f"Renamed: {os.path.basename(old_path)} → {new_name}") # 同步重命名同名txt文件（LabelImg配套） for old_path in files: old_txt = os.path.splitext(old_path)[0] + ".txt" if os.path.exists(old_txt): new_txt = os.path.join(src_dir, f"{prefix}_{i:03d}.txt") os.rename(old_txt, new_txt) print(f"Renamed TXT: {os.path.basename(old_txt)} → {os.path.basename(new_txt)}")

注意：该脚本默认按文件名中首个数字排序（re.search(r'(\d+)', ...)），所以Camera_1_10.jpg会排在Camera_1_2.jpg后面。若你的原始文件名无规律，建议先人工整理或改用os.listdir()+sorted()按创建时间排序。我一般会在课程设计答辩前，强制要求学生先跑一遍rename，再截图展示data/目录前后对比——这是最直观的工程规范意识体现。

3.2DataAugmentforLabelImg.py：从读图、读txt到写图、写txt的闭环

假设data/下已有img_001.jpg和img_001.txt（YOLO格式），执行：

python DataAugmentforLabelImg.py --src_dir ./data --dst_dir ./Imgs --num_aug 5 --seed 42

将生成5张增强图及对应txt。核心流程分四步：

Step 1：安全读取与校验

# python def load_labelimg_sample(img_path, txt_path): """安全加载LabelImg样本，含异常捕获""" try: img = cv2.imread(img_path) if img is None: raise ValueError(f"Failed to load image: {img_path}") h, w = img.shape[:2] # 读txt并校验格式 with open(txt_path, 'r') as f: lines = [l.strip() for l in f.readlines() if l.strip()] bboxes = [] for i, line in enumerate(lines): parts = line.split() if len(parts) != 5: raise ValueError(f"Invalid YOLO format at line {i+1} in {txt_path}: {line}") try: cls_id = int(parts[0]) x_c, y_c, w, h = map(float, parts[1:5]) # 归一化值合法性检查 if not (0 <= x_c <= 1 and 0 <= y_c <= 1 and 0 < w <= 1 and 0 < h <= 1): raise ValueError(f"Out-of-bound coordinate at line {i+1}") bboxes.append([cls_id, x_c, y_c, w, h]) except ValueError as e: raise ValueError(f"Parse error at line {i+1}: {e}") return img, bboxes, (w, h) except Exception as e: print(f"[ERROR] Failed to load {img_path}: {e}") return None, None, None

这段校验代码救过不止一个毕设学生——有同学用LabelImg导出时勾选了“保存相对路径”，txt里写的是0 0.5 0.5 0.2 0.3但图片实际是1920×1080，结果增强后bbox全飞出画布。load_labelimg_sample强制检查归一化值范围，一发现x_c>1立刻报错，避免错误扩散。

Step 2：增强链执行（调用2.3节的pipeline）

# python def augment_single_sample(img, bboxes, img_size, aug_func_list): """对单样本执行增强链，同步更新图像和bbox""" w_orig, h_orig = img_size # 转换为绝对坐标便于几何变换 bboxes_abs = [] for cls_id, x_c, y_c, w_norm, h_norm in bboxes: x_abs = int(x_c * w_orig) y_abs = int(y_c * h_orig) w_abs = int(w_norm * w_orig) h_abs = int(h_norm * h_orig) bboxes_abs.append([cls_id, x_abs, y_abs, w_abs, h_abs]) # 执行增强链 for func in aug_func_list: img, bboxes_abs = func(img, bboxes_abs, (w_orig, h_orig)) # 更新当前图像尺寸（几何变换可能改变宽高） w_orig, h_orig = img.shape[1], img.shape[0] # 转回YOLO归一化格式 bboxes_norm = [] for cls_id, x_abs, y_abs, w_abs, h_abs in bboxes_abs: if w_abs <= 0 or h_abs <= 0: # 过滤被裁掉的bbox continue x_c = max(0.001, min(0.999, (x_abs + w_abs / 2) / w_orig)) y_c = max(0.001, min(0.999, (y_abs + h_abs / 2) / h_orig)) w_norm = max(0.001, min(0.999, w_abs / w_orig)) h_norm = max(0.001, min(0.999, h_abs / h_orig)) bboxes_norm.append([cls_id, x_c, y_c, w_norm, h_norm]) return img, bboxes_norm

注意max(0.001, min(0.999, ...))——这是防止归一化后坐标为0或1导致YOLO解析失败的兜底。YOLOv5官方要求bbox坐标严格在(0,1)开区间内，边界值会引发ZeroDivisionError。

Step 3：写入增强结果

# python def save_augmented_sample(img, bboxes, dst_img_path, dst_txt_path): """安全写入增强结果""" # 写图 cv2.imwrite(dst_img_path, img) # 写txt（严格按YOLO格式，无空行，浮点数保留6位小数） with open(dst_txt_path, 'w') as f: for bbox in bboxes: line = f"{int(bbox[0])} {bbox[1]:.6f} {bbox[2]:.6f} {bbox[3]:.6f} {bbox[4]:.6f}\n" f.write(line) print(f"Saved: {os.path.basename(dst_img_path)} + {os.path.basename(dst_txt_path)}")

这里.6f精度是硬性要求。有学生用默认str(bbox[1])导致0.5000000000000001写入txt，YOLO训练时解析出错，调试3小时才发现是浮点打印精度问题。

3.3 增强效果可视化验证：别信日志，要亲眼看到bbox没飘

增强后不能只看Saved: xxx.jpg就完事。我要求所有课程设计必须提供aug_visualize.py——用OpenCV在增强图上画出bbox，生成对比图：

# python def visualize_augmentation(orig_img, orig_bboxes, aug_img, aug_bboxes, save_path): """在原图和增强图上绘制bbox，生成对比图""" def draw_bboxes(img, bboxes, color=(0, 255, 0), thickness=2): h, w = img.shape[:2] for cls_id, x_c, y_c, w_norm, h_norm in bboxes: x1 = int((x_c - w_norm / 2) * w) y1 = int((y_c - h_norm / 2) * h) x2 = int((x_c + w_norm / 2) * w) y2 = int((y_c + h_norm / 2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), color, thickness) cv2.putText(img, str(cls_id), (x1, y1-5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 1) return img vis_orig = draw_bboxes(orig_img.copy(), orig_bboxes, color=(0, 255, 0)) vis_aug = draw_bboxes(aug_img.copy(), aug_bboxes, color=(0, 0, 255)) # 拼接对比图 h1, w1 = vis_orig.shape[:2] h2, w2 = vis_aug.shape[:2] max_h = max(h1, h2) vis_orig_pad = cv2.copyMakeBorder(vis_orig, 0, max_h-h1, 0, 0, cv2.BORDER_CONSTANT, value=(0,0,0)) vis_aug_pad = cv2.copyMakeBorder(vis_aug, 0, max_h-h2, 0, 0, cv2.BORDER_CONSTANT, value=(0,0,0)) combined = np.hstack([vis_orig_pad, vis_aug_pad]) cv2.imwrite(save_path, combined) print(f"Visualization saved to {save_path}") # 使用 orig_img, orig_bboxes, _ = load_labelimg_sample("./data/img_001.jpg", "./data/img_001.txt") aug_img, aug_bboxes = augment_single_sample(orig_img, orig_bboxes, (1920, 1080), get_augmentation_pipeline()) visualize_augmentation(orig_img, orig_bboxes, aug_img, aug_bboxes, "./vis_compare.jpg")

生成的vis_compare.jpg左半是原图+绿框，右半是增强图+红框。答辩时这张图比100行日志都有说服力——老师一眼就能看出“旋转后框是否还包住目标”“裁剪后小目标是否被切掉”。

4. LabelMe标注增强的特殊处理：多边形分割的顶点映射与JSON保真

LabelMe常用于实例分割、细粒度检测（如电路板焊点、医疗细胞轮廓），其JSON格式含points顶点数组，增强时必须保证所有顶点经同一变换矩阵映射，且闭合性、顺序性不被破坏。DataAugmentforLabelMe.py不是LabelImg版的简单改写，而是针对JSON结构的深度适配。

4.1 JSON结构解析与顶点提取：为什么不能直接用cv2.polylines

LabelMe JSON关键字段示例：

{ "version": "5.3.0", "flags": {}, "shapes": [ { "label": "person", "points": [[100.0, 200.0], [150.0, 200.0], [150.0, 300.0], [100.0, 300.0]], "group_id": null, "shape_type": "rectangle", "flags": {} }, { "label": "car", "points": [[300.0, 150.0], [400.0, 150.0], [400.0, 250.0], [300.0, 250.0], [350.0, 220.0]], "shape_type": "polygon", "flags": {} } ], "imagePath": "img_001.jpg", "imageHeight": 1080, "imageWidth": 1920 }

注意：shape_type可能是rectangle（两点定义）或polygon（多点定义），points中坐标是绝对值（非归一化）。DataAugmentforLabelMe.py首先要做类型识别：

# python def parse_labelme_shapes(json_data): """解析LabelMe JSON，统一转为顶点列表""" shapes = [] for shape in json_data["shapes"]: if shape["shape_type"] == "rectangle": # 矩形转为4点polygon（顺时针） x1, y1 = shape["points"][0] x2, y2 = shape["points"][1] points = [[x1, y1], [x2, y1], [x2, y2], [x1, y2]] elif shape["shape_type"] == "polygon": points = shape["points"] else: continue # 跳过circle、line等不支持类型 # 保证闭合：首尾点相同（cv2.fillPoly需要） if points[0] != points[-1]: points.append(points[0]) shapes.append({ "label": shape["label"], "points": np.array(points, dtype=np.float32), "shape_type": shape["shape_type"] }) return shapes

提示：cv2.fillPoly要求多边形顶点首尾闭合，否则填充区域错乱。很多开源脚本忽略这点，导致增强后mask出现缺口。

4.2 仿射变换下的顶点映射：矩阵运算必须用np.float32

LabelMe增强的核心是cv2.warpAffine+cv2.transform配合：

# python def apply_affine_to_points(points, M): """对points数组应用仿射变换M""" # points: (N, 2) numpy array # M: 2x3 affine matrix pts_h = np.hstack([points, np.ones((len(points), 1))]) # (N, 3) pts_trans = (M @ pts_h.T).T # (N, 2) return pts_trans.astype(np.float32) def augment_labelme_sample(img, json_data, aug_func_list): """LabelMe专用增强：同步变换图像和所有shapes""" h_orig, w_orig = json_data["imageHeight"], json_data["imageWidth"] shapes = parse_labelme_shapes(json_data) # 对每个shape的points单独映射（因不同shape可能需不同处理） for shape in shapes: # 几何变换前，先记录原始points用于后续校验 shape["points_orig"] = shape["points"].copy() # 执行增强链（仅几何类操作需更新points） for func in aug_func_list: if func.__name__ in ["rotate_affine", "translate_image", "scale_image", "hflip_image", "vflip_image"]: # 获取当前变换矩阵 M = get_affine_matrix(func, img.shape[1], img.shape[0]) for shape in shapes: shape["points"] = apply_affine_to_points(shape["points"], M) # 光度类操作只改img img = func(img) if func.__name__ in ["add_gaussian_noise_adaptive", "blur_image", "adjust_brightness_contrast"] else img # 更新JSON for i, shape in enumerate(shapes): json_data["shapes"][i]["points"] = shape["points"].tolist() # 更新imageHeight/imageWidth（几何变换可能改变尺寸） json_data["imageHeight"], json_data["imageWidth"] = img.shape[0], img.shape[1] return img, json_data

关键点：get_affine_matrix必须返回cv2.warpAffine兼容的2×3矩阵，且apply_affine_to_points中pts_h必须是np.float32——用float64会导致cv2.transform结果偏差0.5像素，累积后bbox飘移。这是踩过坑的结论：某次调试发现增强后mask偏右2像素，追查发现是np.array(points)默认float64，强制astype(np.float32)后问题消失。

4.3 JSON写入的保真原则：字段顺序、空格、编码一个都不能少

LabelMe官方读取JSON时对格式敏感。DataAugmentforLabelMe.py写入时严格遵循：

• 字段顺序与原始JSON一致（用collections.OrderedDict）
• 缩进用2个空格（非tab）
• 中文label不转义（ensure_ascii=False）
• 文件编码UTF-8 with BOM（兼容Windows记事本）

# python def save_labelme_json(json_data, json_path): """保真写入LabelMe JSON""" # 重建OrderedDict保持字段顺序 ordered_data = OrderedDict([ ("version", json_data.get("version", "5.3.0")), ("flags", json_data.get("flags", {})), ("shapes", json_data["shapes"]), ("imagePath", json_data.get("imagePath", "")), ("imageData", None), # LabelMe通常为空 ("imageHeight", json_data["imageHeight"]), ("imageWidth", json_data["imageWidth"]) ]) with open(json_path, 'w', encoding='utf-8-sig') as f: json.dump(ordered_data, f, indent=2, ensure_ascii=False) print(f"Saved LabelMe JSON: {json_path}")

注意：encoding='utf-8-sig'中的-sig是关键。没有它，Windows系统下用记事本打开JSON会显示乱码，学生常因此误以为JSON写坏，反复重跑脚本浪费时间。

5. 常见问题排查：这5个坑，90%的初学者至少踩中3个

增强工具看似简单，但实际运行时高频报错。以下是我在带3届毕设、指导12个课程设计中，统计出的最高发5类问题，按“现象→原因→解决”给出可立即执行的方案。

5.1 现象：增强后图片全黑/全白，或bbox全部消失

原因：adjust_brightness_contrast函数中对比度参数alpha过大（如alpha=3.0），导致像素值溢出；或cv2.normalize未指定dtype=cv2.CV_8U，输出为float64导致显示异常。
解决：

• 在adjust_brightness_contrast中加入钳位：

  # python def adjust_brightness_contrast(img, alpha=1.2, beta=10): # alpha: 0.5~1.5, beta: -30~30 alpha = np.clip(alpha, 0.5, 1.5) beta = np.clip(beta, -30, 30) img = cv2.convertScaleAbs(img, alpha=alpha, beta=beta) return np.clip(img, 0, 255).astype(np.uint8) # 强制钳位并转uint8

• 所有增强函数末尾加return img.astype(np.uint8)，杜绝float类型残留。

5.2 现象：LabelImg增强后，train.txt里路径正确但训练报IndexError: list index out of range

原因：img_001.txt中某行只有4个字段（如漏写class_id），load_labelimg_sample未捕获，后续int(parts[0])报错；或增强后bbox面积≤0被过滤，导致txt行数＜原图bbox数，YOLO解析时索引越界。
解决：

• 在load_labelimg_sample中增加字段数校验（见3.2节代码）；
• 在augment_single_sample的bbox过滤后，添加日志：

  # python if len(bboxes_norm) == 0: print(f"[WARN] All bboxes filtered out for {os.path.basename(img_path)}. Skipping.") return None, None

  并跳过写入，避免生成空txt。

5.3 现象：LabelMe增强后，用LabelMe软件打开JSON报“Invalid JSON format”

原因：JSON写入时用了json.dumps(data, indent=2)但未设ensure_ascii=False，中文label被转为\u4eba\u7269，LabelMe解析失败；或shapes中points含nan值（仿射矩阵奇异导致）。
解决：

• 写入JSON必须用ensure_ascii=False（见4.3节）；
• 在apply_affine_to_points后加nan检查：

  # python if np.isnan(pts_trans).any(): print(f"[ERROR] NaN detected in transformed points. Skipping this augmentation.") return points # 返回原points

5.4 现象：rename_file.py运行后，部分txt文件没重命名，或重命名错乱

原因：脚本按文件名数字排序，但IMG_1.jpg和IMG_10.jpg中1和10被当字符串比较（"10"<"2"），导致顺序错；或.txt文件名与.jpg不完全匹配（如IMG_001.jpeg配IMG_001.txt，但脚本只搜.jpg）。
解决：

• 排序改用自然排序（natural sort）：

  # python import re def natural_key(s): return [int(text) if text.isdigit() else text.lower() for text in re.split(r'(\d+)', s)] files.sort(key=lambda x: natural_key(os.path.basename(x)))

• 搜索txt时遍历所有图片文件，用os.path.splitext(img_path)[0] + ".txt"构造txt路径，而非glob搜索。

5.5 现象：增强速度极慢（单图>10秒），CPU占用率100%

原因

本文还有配套的精品资源，点击获取