Switch Detection

🚧 开发中（Work in Progress）：项目仍在持续整理，数据格式、脚本接口和方向判断方法可能调整。

开关与旋钮视觉识别实验代码。目前重点包括数据集审计与去重、标签规范化、OBB（旋转框）标注准备、Ground Truth 可视化，以及根据开关主体与手柄标注估计朝向的演示程序。

本仓库只保存项目自身代码，不包含数据集、训练结果、模型权重或 Ultralytics/YOLO 源码。需要的第三方包通过 requirements.txt 安装。

当前内容

• demo_switch_orientation.py：读取两类 OBB 标注，匹配开关主体与手柄，并输出方向角、八方向分类、可视化叠图、CSV 和 JSON 汇总。
• prepare_obb_dataset.py：审计多个开关数据集，检测重复与疑似近重复图像，生成去重后的 OBB 标注池和清单。
• normalize_switch_handle_labels.py：规范化开关手柄类别及标签格式，并保留备份。
• visualize_gt.py：可视化检测或分类数据集的 Ground Truth。
• visualize_ultralytics_obb_gt.py：可视化 Ultralytics OBB 格式标签。
• audit_duplicate_images.py、compare_ds01_ds04_overlap.py：数据集重复与来源重叠检查。
• build_small_validation_dataset.py、package_ds06_*.py：构建小型验证集并打包为 CVAT 可用格式。
• prepare_*、select_pose_annotation_batch.py：数据清洗、拆分和标注批次准备工具。

安装

python -m venv .venv
# Windows
.venv\Scripts\activate
pip install -r requirements.txt

训练或推理脚本使用 PyPI 安装的 ultralytics 包，不需要把 YOLO 源码复制到本仓库。

方向演示

数据集应采用以下结构：

dataset/
├─ images/train/
└─ labels/train/

每个标签文件使用 Ultralytics OBB 格式：类别 0 表示开关主体，类别 1 表示方向手柄；每行由类别编号和四个归一化角点组成。

python demo_switch_orientation.py path/to/dataset

可指定输出目录：

python demo_switch_orientation.py path/to/dataset --output path/to/output

程序会生成：

• overlays/：方向箭头与 OBB 叠图
• orientation_results.csv：逐目标方向结果
• orientation_contact_sheet.jpg：汇总预览图
• summary.json：运行摘要

角度定义为从正上方开始顺时针计算。由于 OBB 本身存在 180° 对称性，箭头正反方向目前结合几何关系与图像明暗启发式推断，低置信度结果会标记为不确定。

数据与模型

数据集、模型权重和运行输出不会提交到 Git。部分一次性数据整理脚本仍保留本地目录常量，运行前请按实际数据位置修改脚本顶部的路径。

状态

当前代码用于实验验证，尚未形成稳定 API 或可发布模型。