image-face-ratio-filter

name	image_face_ratio_filter
description	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。
name_zh	图像人脸面积比例过滤器算子
input_params	[{"name":"input_path","type":"string","required":true,"description":"输入数据文件路径（JSON/JSONL格式）"},{"name":"output_path","type":"string","required":true,"description":"输出数据文件路径（JSONL格式）"},{"name":"min_ratio","type":"float","required":false,"default":0,"description":"最小人脸面积比例"},{"name":"max_ratio","type":"float","required":false,"default":0.4,"description":"最大人脸面积比例"},{"name":"any_or_all","type":"string","required":false,"default":"any","description":"过滤策略（any/all）"},{"name":"num_proc","type":"int","required":false,"default":1,"description":"并行处理的进程数"}]
output_params	[{"name":"output_path","type":"jsonl_file","description":"过滤后的JSONL文件，包含人脸面积比例在指定范围内的样本"}]
tag	数据筛选
publisher	COMMUNITY

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