datumaro

一个工具搞定 CV 数据集格式转换与质量检查

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署数据集 🍴 复刻 168 🐛 待处理 38 👀 关注 11

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 699

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，无付费版本。

项目预览

项目数据

分类数据集

开发团队open-edge-platform

官网地址https://open-edge-platform.github.io/datumaro

GitHubhttps://github.com/open-edge-platform/datumaro

定价模式🏷️完全免费

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🔧 仅开源项目，无在线服务，需自行部署

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★ 699

上线时间2020-09-01 00:00:00

代码更新2026-11-09

仓库体积378.6 MB

本站数据更新2026-11-10

维护状态活跃

收录时间2026-08-10

浏览次数6

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-10 · 当前星标 ★ 699

技术标签

computer-vision dataset datasets deep-learning imagenet

使用教程

难度：进阶约 35 分钟部署方式：本地安装 4 步

环境要求

Python 3.8+
带标注的数据集

安装与启动步骤

1安装

数据集工具，pip 装完有 CLI 入口。
```
pip install datumaro
```
2导入数据

支持多种标注格式互转，先确认自己的源格式在支持列表里。
```
datum convert -i source -if coco -o out -of datumaro
```
3做转换与切分

转换同时可以做过滤和切分，一条命令完成比多步脚本稳。
4校验统计

转换后看统计信息，标注数量对不上说明映射规则有问题。
```
datum stats out
```