Baptiste-HUVELLE-10/simple-pipeline-dataset

UI Dataset avec Boîtes Englobantes

Ce dataset contient des images d'interfaces utilisateur avec des annotations de boîtes englobantes précises pour chaque élément UI et sous-élément.

Structure du Dataset

Le dataset a une structure où chaque ligne correspond à une image avec toutes ses boîtes englobantes:

• id: Identifiant unique séquentiel (1, 2, 3, ...)
• id_img: Identifiant numérique simple de l'image (1, 2, 3, ...)
• image: L'image elle-même (pas de string)
• boxes_id: Liste des identifiants des boîtes englobantes pour cette image
• boxes_x1: Liste des coordonnées x du coin supérieur gauche
• boxes_y1: Liste des coordonnées y du coin supérieur gauche
• boxes_x2: Liste des coordonnées x du coin inférieur droit
• boxes_y2: Liste des coordonnées y du coin inférieur droit
• boxes_type: Liste des types d'éléments UI (bouton, texte, graphique, etc.)
• pipeline: Nom du pipeline utilisé pour générer les données

Chaque image apparaît une seule fois dans le dataset, avec toutes ses boîtes englobantes regroupées sous forme de listes parallèles.

Utilisation

Ce dataset peut être utilisé pour entraîner des modèles de détection d'objets pour les interfaces utilisateur.

# Exemple de chargement du dataset
from datasets import load_dataset

# Charger depuis Hugging Face
dataset = load_dataset("Baptiste-HUVELLE-10/simple-pipeline-dataset")

# Accéder à un exemple (une image)
example = dataset["train"][0]

# Accéder à l'image
image = example["image"]

# Accéder aux informations de la première boîte englobante
first_box_index = 0
print(f"Type: {example['boxes_type'][first_box_index]}, ")
print(f"Coordonnées: ({example['boxes_x1'][first_box_index]}, {example['boxes_y1'][first_box_index]}, "
      f"{example['boxes_x2'][first_box_index]}, {example['boxes_y2'][first_box_index]})")

# Filtrer les images qui contiennent des boîtes de type "button"
images_with_buttons = []
for ex in dataset["train"]:
    if "button" in ex["boxes_type"]:
        images_with_buttons.append(ex)

print(f"Nombre d'images contenant des boutons: {len(images_with_buttons)}")

# Compter le nombre total de boîtes englobantes dans le dataset
total_boxes = sum(len(ex["boxes_id"]) for ex in dataset["train"])
print(f"Nombre total de boîtes englobantes: {total_boxes}")

# Reconstruire une liste de boîtes englobantes complètes pour une image
def get_boxes_for_image(example):
    boxes = []
    for i in range(len(example["boxes_id"])):
        box = {
            "id_box": example["boxes_id"][i],
            "x1": example["boxes_x1"][i],
            "y1": example["boxes_y1"][i],
            "x2": example["boxes_x2"][i],
            "y2": example["boxes_y2"][i],
            "type": example["boxes_type"][i]
        }
        boxes.append(box)
    return boxes

# Exemple d'utilisation
image_boxes = get_boxes_for_image(example)
for box in image_boxes:
    print(f"Boîte {box['id_box']} de type {box['type']}")