Image Face Ratio Filter

Documents

image_face_ratio_filter

Image Face Ratio Filter is an Agent Skill for documents published in the cas-bigdatalab/piflow repository on GitHub: a SKILL.md instruction file an AI agent can load to do this task.

图像人脸面积比例过滤器。过滤以保持面面积比在特定范围内的样本。本SKILL使用依赖data_juicer，请在调用前安装好python环境并安装data_juicer，你可用以下指令进行安装： pip install py-data-juicer 当用户提到过滤图片、人脸占比、面部面积比例、图片人脸区域筛选、按人脸占比过滤等需求时使用此skill。

View on GitHub ↗

QUICK START

How to use this skill

Bring this guide into your coding agent with a prompt tailored to the tool you use.

Open your project in Codex.
Copy and paste the prompt below.
Review files and risks before approving any action.

Prompt to paste

Inspect the Agent Skill at https://github.com/cas-bigdatalab/piflow/blob/HEAD/workspace/skills/image_face_ratio_filter/SKILL.md and all supporting files. Report provenance, permissions, scripts, dependencies, and security risks. Propose an exact installation into .agents/skills/image-face-ratio-filter, but wait for my approval before writing files or running scripts.

Copying this prompt does not install or run the skill. Review third-party files before use.

功能概述

该算子用于过滤人脸面积占比在指定范围内的图像样本。计算图像中最大人脸区域与图像总面积的比值，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_ratio	float	否	0.0	最小人脸面积比例
max_ratio	float	否	0.4	最大人脸面积比例
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"]}

也支持空图片列表：

{"text": "some text", "images": []}

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_ratio_filter.py \
  --input_path /path/to/input.jsonl \
  --output_path /path/to/output.jsonl \
  --min_ratio 0.4 \
  --max_ratio 1.0 \
  --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_ratio: 最小人脸面积比例（默认0.0）
--max_ratio: 最大人脸面积比例（默认0.4）
--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