中国各大网站名称织梦技术个人网站模板下载

完整的项目地址在这里: https://github.com/buxuele/wiki_art

一、 目标

在第一阶段，我们通过爬虫获取了数千张未分类的图片。本阶段的核心目标是，对这些图片进行人工筛选和归类，将它们物理地分离到两个独立的文件夹中：good（代表喜欢）和 bad（代表不喜欢）。

这两个文件夹将作为第三阶段模型训练的直接数据源，供PyTorch的ImageFolder类使用，从而实现自动化的标签分配（good -> 1, bad -> 0）。

二、 使用的工具

标注工作主要通过我自研的图片浏览应用 pinterest_image_app 完成。

• GitHub地址：https://github.com/buxuele/pinterest_image_app

该工具支持瀑布流式的高效图片浏览，并提供了便捷的文件操作接口，非常适合本次任务。

三、 操作流程

我的实际标注流程如下：

1. 准备待标数据：
   我从爬虫下载的原始图片池中，一次性选取一批（例如200-300张）图片，并将它们全部放入pinterest_image_app的应用输入目录（D:\fullStack\pinterest_image_app\python_api\user_uploads）。

2. 执行标注操作：

   • 筛选“喜欢”的图片：我在APP中浏览所有图片。当遇到符合我审美的图片时，我通过鼠标右键菜单的“保存”功能，将该图片直接保存到我的电脑桌面上。
   • 处理“不喜欢”的图片：所有图片浏览完毕后，那些依然保留在APP输入目录中的图片，即是我“不喜欢”的样本。

3. 整理最终的数据集文件夹：

   • 我手动在我的项目工作区（例如 3_build_model/data/）内，创建了两个空的文件夹：good 和 bad。
   • 我将桌面上所有通过右键保存下来的“喜欢”的图片，全部移动到 good 文件夹中。
   • 我将APP输入目录中所有剩下的“不喜欢”的图片，全部移动到 bad 文件夹中。

四、 阶段成果

在完成上述流程后，我得到了两个结构清晰、内容明确的物理文件夹：good 和 bad。

这个结果，摒弃了所有复杂的中间JSON文件和匹配脚本，直接生成了模型训练阶段所需的、完美符合ImageFolder格式的数据源。这为我们下一阶段的工作，提供了一个最简单、最直接、最可靠的起点。