Dataset Splitter 是一款专为机器学习项目设计的轻量级工具，用于将图像数据集高效地划分为训练集、验证集和测试集。它支持多种灵活的划分策略，包括随机拆分和分层拆分，确保数据分布的合理性与实验的可复现性。无论你是计算机视觉初学者还是资深开发者，该工具都能帮助你在模型训练前快速完成数据准备阶段，显著提升开发效率。其核心优势在于对标注文件的同步处理以及对 YOLO 格式数据集结构的原生支持，使得与主流目标检测框架的无缝集成变得极为简单。通过命令行界面，用户可以轻松配置自定义比例、设置随机种子，并选择输出目录，整个流程无需编写额外脚本即可完成。
核心功能特点
- 支持随机拆分和分层拆分两种模式，适应不同数据分布需求
- 可配置训练集、验证集和测试集的自定义比例（默认80/10/10）
- 自动同步处理图像及其对应的标注文件，保持数据一致性
- 原生支持 YOLO 格式数据集输出结构，便于直接用于目标检测任务
- 提供随机种子设置功能，确保划分结果可复现
- 支持文件或目录复制操作，避免原始数据被误修改
适用场景
Dataset Splitter 特别适用于需要快速构建标准化数据管道的场景。在启动一个图像分类或目标检测项目时，研究人员和工程师常常面临如何公平划分数据的问题。使用 Dataset Splitter，你可以在几分钟内将数千张图片按指定比例分配到不同子集中，同时保证各类别在训练、验证和测试集中保持均衡分布——尤其是在类别不平衡的数据集上，分层拆分功能尤为关键。此外，当项目采用 YOLO 等流行的标注格式时，该工具能自动生成符合要求的文件夹结构，极大简化了后续模型训练前的准备工作。无论是本地开发环境还是 CI/CD 流水线中，其简洁的命令行接口都使其成为自动化数据处理流程的理想选择。