这个项目基于YOLOv8，用于一键式处理数据集
也可以进行训练任务和检测任务
- Microsoft Windows 7 / 8 / 8.1 / 10 / 11 (MacOS和带图形界面的Linux系统应该也能用吧，俺没测试过)
- 一块(或者多块)能够支撑你运行YOLOv8的英伟达图形处理卡(或者如果你不介意用CPU运行的话，那就忽略这项)
- Python 3.8及以上版本，以及这些python第三方包
- 用
git clone https://github.com/Nuaza/auxlabel_tool.git来把这个项目克隆到你的本机上 (或者点右上角那个绿色儿的Code按钮，然后点Download ZIP把这个项目压缩包手动下载到本机上也行嗷。这步有可能会报错或者卡在下载那儿，这是网络的问题) - 用
cd auxlabel_tool来进入到项目文件夹里面 - 用
pip install -r requirements.txt来安装所有你所需要的第三方包 (如果你搁这儿报错了，检查下你的Python安装好了没) - 用
python auxLabel_GUI.py运行图形化界面
用来快速创建你的YOLO自定义数据集，帮你一键划分好训练集和测试集，帮你自动生成yaml配置文件，帮你一键式跑训练和检测任务
这玩意儿最开始设想的理想的使用方法是：假设你有一个包含114514张图片的没有标签文件的数据集，你只需要在labelImg上手动标注其中的50张或者100张，然后用这些数据帮你训练好一个模型，并用这个模型把所有的图片都给检测一次。然后你从这里面再选一些标签再改改，再拿去训练...最后成功训练出一个完美的模型
额，如果你觉得这步骤太麻烦了，它也能作为一个帮你快速处理YOLO数据集的工具来用，还挺好使的捏
| Status | Things |
|---|---|
| ❌ | 把整个项目翻译成英文 |
| ❌ | 适配其它的YOLO版本 |
懒狗一条了嗷