cas-bigdatalab 功能概述
该算子用于过滤包含指定人脸数量范围的图像样本。支持多种过滤策略：
any: 任意一张图像符合条件即保留all: 所有图像都符合条件才保留
核心参数
| 参数 | 类型 | 必填 | 默认值 | 说明 |
|---|---|---|---|---|
| input_path | string | 是 | - | 输入数据文件路径 (JSON/JSONL格式) |
| output_path | string | 是 | - | 输出数据文件路径 (JSONL格式) |
| min_face_count | int | 否 | 1 | 最少人脸数量 |
| max_face_count | int | 否 | 1 | 最多人脸数量 |
| any_or_all | string | 否 | 'any' | 过滤策略：'any' 或 'all' |
| num_proc | int | 否 | 1 | 并行处理的进程数 |
输入数据格式
输入文件应为 JSON 或 JSONL 格式，每行包含一个样本，样本需包含 images 字段：
{"images": ["/path/to/image1.jpg", "/path/to/image2.jpg"]}
输出数据格式
输出为 JSONL 格式，每行一个符合条件的样本。
使用示例
命令行调用
python scripts/run_image_face_count_filter.py \
--input_path /path/to/input.jsonl \
--output_path /path/to/output.jsonl \
--min_face_count 1 \
--max_face_count 3 \
--any_or_all any
参数说明
--input_path: 输入文件路径--output_path: 输出文件路径--min_face_count: 最小人脸数（默认1）--max_face_count: 最大人脸数（默认1）--any_or_all: 过滤策略，默认any--num_proc: 并行进程数，默认1
注意事项
- 输入文件中的图像路径应为有效且可访问的文件路径
- 依赖 opencv-python 进行人脸检测，请确保已安装
- 处理大量数据时可适当增加 num_proc 提高效率