DatasetHelpers

桌面工具自动筛选、缩放并标注图像文本数据集

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 13 🐛 待处理 7 👀 关注 6
GitHub ↗
GitHub 星标 ★ 229
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费，无在线服务

项目预览

DatasetHelpers 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类数据集
开发团队Particle1904
GitHubhttps://github.com/Particle1904/DatasetHelpers
定价模式🏷️完全免费
价格说明开源免费，无在线服务
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C#
技术栈/模型dataset,dataset-creation,machine-learning
GitHub 星标★ 229
上线时间2023-03-03 00:00:00
代码更新2026-11-01
仓库体积3.5 MB
本站数据更新2026-11-02
维护状态活跃
收录时间2026-11-02
浏览次数0

项目介绍

DatasetHelpers 是一个用 C# 编写的桌面工具，面向机器学习训练前的数据集准备工作。它把原本零散、重复的数据整理流程集中到一个图形界面里：自动从素材中筛选可用样本、对图像做统一尺寸的缩放与重采样、并为图像和文本样本批量打标签，最终输出结构规整、可直接用于训练的数据集。项目解决的是训练数据准备阶段手工操作多、格式不统一、标注效率低的问题，尤其适合需要反复构建和调整数据集的小型团队或个人开发者。核心能力包括数据集自动选择、图像重缩放、标签生成与管理，以及图像与文本混合数据的组织。工具以本地桌面程序形态运行，不依赖云端服务，处理过程直观可控。项目体量较小、星标数不高，属于早期探索型工具，功能覆盖面有限，但胜在定位清晰、上手门槛低，可作为数据预处理环节的轻量辅助方案。

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 2026-11-02 · 当前星标 ★ 229

技术标签

核心亮点

  • 图形界面整合筛选、缩放、打标签多个环节，减少手工脚本切换
  • 同时支持图像与文本样本的组织与标注，适合多模态数据准备
  • C# 桌面程序本地运行，无需搭建服务端，处理流程直观可控

不足之处

  • 项目处于早期，功能覆盖与稳定性有限，复杂数据集场景支持不足
  • 社区规模小，文档与示例较少，遇到问题可参考的资料不多

适用场景

  • 个人开发者快速整理图像分类训练集
  • 小团队批量重缩放图片并生成标签文件
  • 为多模态实验准备图文配对数据集

替代项目

Label Studio、CVAT、FiftyOne

上一篇：awesome-matchem-datasets

下一篇：apd-core

同类项目推荐

cvat 开源

一站式标注图像视频3D数据，AI辅助提效，团队协作无忧

CVAT is a leading data annotation platform for image, video, audio, and 3D datasets.···

★ 17044 2026-08-10
awesome-3d-diffusion 开源

3D 生成扩散论文一网打尽，按方向快速找文献

A collection of papers on diffusion models for 3D generation.

★ 1258 2026-10-27
great_expectations 开源

用代码定义数据期望，自动验证并生成文档，让数据质量可控。

Always know what to expect from your data.

★ 11912 2026-08-09
Chatette 开源

用模板语法一键生成海量 Rasa 训练语料，告别手工标注。

A powerful dataset generator for Rasa NLU, inspired by Chatito

★ 315 2026-08-09
gpic 开源

构建合规高质量图像语料，助力视觉生成模型训练

Official Code for GPIC: A Giant Permissive Image Corpus for Visual Generation

★ 61 2026-08-09
the_well 开源

15TB 多物理场仿真数据，开箱即用训练科学大模型

A 15TB Collection of Physics Simulation Datasets

★ 4510 2026-10-19
sodaverse 开源

用GPT-3蒸馏百万级社交常识对话，让AI聊天更懂人情世故。

‍Code and dataset for our EMNLP 2023 paper - "SODA: Million-scale Dialogue Distilla···

★ 245 2026-08-09
xtreme1 开源

一个平台搞定 3D 点云、图像和 LLM 数据标注

Xtreme1 is an all-in-one data labeling and annotation platform for multimodal data t···

★ 1387 2026-09-17