datumaro 是数据集领域的开源项目，由 open-edge-platform 开发，2020 年首次发布。
它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 690。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。MIT许可证，完全免费，无付费版本。
它主要面向的使用场景是：数据准备阶段批量转换标注格式。同类可对比的替代方案包括 FiftyOne、SuperAnnotate、Label Studio。
datumaro
一个工具搞定 CV 数据集格式转换与质量检查
datumaro 是一个面向计算机视觉的数据集管理框架，提供 Python 库和命令行工具，用于构建、分析和维护 CV 数据集。它解决的核心问题是深度学习项目中数据集格式混乱、转换繁琐、质量难以把控的痛点。核心能力包括：支持 COCO、Pascal VOC、YOLO、ImageNet 等多种主流标注格式的导入导出与互转；提供数据集统计分析、标签分布查看、错误样本筛选等质量检查功能；支持数据集合并、拆分、过滤、重命名等操作，方便构建训练/验证集；还提供插件机制，可扩展自定义格式和操作。通过统一的 API 和 CLI，用户能高效管理多源数据集，减少重复劳动，提升数据准备阶段的效率。
开源
free
数据集
GitHub 星标
★ 690
维护状态
活跃
是否开源
是
定价模式
free
项目数据
分类数据集
开发团队open-edge-platform
所属国家
定价模式free
价格说明开源项目，MIT许可证，完全免费，无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型coco,computer-vision,dataset,datasets,deep-learning,format-converter,geti,imagenet,neural-networks,pascal-voc,yolo
GitHub 星标★ 690
30天Star增速
HF 下载量
上线时间2020-09-01 00:00:00
最近更新2026-09-23 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-10
浏览次数5
使用教程
核心亮点
- 支持 COCO、VOC、YOLO 等十余种格式互转，省去手写脚本
- 内置数据集统计与质量分析，快速发现标注问题
- 提供 Python API 和 CLI 双接口，灵活集成到现有流程
不足之处
- 文档/社区待观察
- 对视频或 3D 点云等非图像数据集支持有限
适用场景
- 数据准备阶段批量转换标注格式
- 训练前检查数据集标签分布和异常样本
- 合并多个来源的数据集并自动去重
替代项目
FiftyOne、SuperAnnotate、Label Studio
项目介绍
下一篇：mimesis
同类项目推荐
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models