auxiliary_annotation.py 利用训练好的模型进行辅助标注，修改相应的annotations文件

Classification.py 对各类物体进行分类，存储在相应的文件夹下

counter.py 统计已经标记的各类物体的个数

createDataset.py 根据项目生成的annotations.xml文件来制作nnUNet所需要的数据集

func.py 是利用opencv对视频帧率进行转换，cvat帧率为25

getResult.py 根据annotations.xml文件生成标注结果

predicted.py 输入原始img和label生成标注后img

yolo_related处理相关yolo预处理， general_json2yolo.py 将cvat coco1.0格式转化为yolo数据训练格式， split_dataset.py 将数据分成训练、测试、验证三部分， create_images_labels.py 生成与label对应的图片