数据集: 移动UI设计检测

介绍

该数据集旨在进行对象检测任务，重点是检测移动UI设计中的元素。目标对象包括文本、图像和组。数据集包含图像和对象检测框，包括类别标签和位置信息。

数据集内容

加载数据集并查看示例:

>>> from datasets import load_dataset
>>>> ds = load_dataset("mrtoy/mobile-ui-design")
>>> example = ds[0]
>>> example
{'width': 375,
 'height': 667,
 'image': <PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=375x667>,
 'objects': {'bbox': [[0.0, 0.0, 375.0, 667.0],
   [0.0, 0.0, 375.0, 667.0],
   [0.0, 0.0, 375.0, 20.0],
   ...
  ],
  'category': ['text',
   'rectangle',
   'rectangle',
   ...]}}

数据集包含以下字段:

• image: PIL.Image.Image 对象，包含图像。
• height: 图像高度。
• width: 图像宽度。
• objects: 包含图像中对象的边界框元数据的字典:
  • bbox: 对象的边界框 (xmin,ymin,width,height)。
  • category: 对象的类别，可能的值包括rectangle、text、group、image。
  • color: 对象的颜色，文本颜色或矩形颜色，或为None。
  • radius: 对象的颜色，矩形半径或为None。
  • text: 文本内容，或为None。

您可以使用一些内部torch工具在图像上可视化边界框。

import torch
from torchvision.ops import box_convert
from torchvision.utils import draw_bounding_boxes
from torchvision.transforms.functional import pil_to_tensor, to_pil_image

item = ds[0]
boxes_xywh = torch.tensor(item['objects']['bbox'])
boxes_xyxy = box_convert(boxes_xywh, 'xywh', 'xyxy')
to_pil_image(
    draw_bounding_boxes(
        pil_to_tensor(item['image']),
        boxes_xyxy,
        labels=item['objects']['category'],
    )
)

应用

该数据集可用于各种应用，例如:

• 为移动UI设计训练和评估对象检测模型。
• 识别设计模式和趋势，帮助UI设计师和开发人员创建高质量的移动应用UI界面。
• 提升生成UI设计模板的自动化流程。
• 改进移动UI设计领域的图像识别和分析。