以下是一些核心函数的解析，它们构成了脚本的主要功能：
  （1）revise_data(path)
  该函数遍历指定路径下的所有XML标注文件，提取其中的类标签，并确保类的一致性。这对于数据清洗和一致性核对是非常有用的。
  （2）convert_annotation(image_id, father_dir, classes)
  通过这个函数，可以将指定图像的XML标注文件转换为YOLO格式的标签文件。YOLO格式是深度学习中常用的，适用于目标检测任务。
  （3）process_image(sub_dir, data_dir, temp_dir)
  此函数用于处理图像数据，主要包括复制图像到临时文件夹，对图像进行必要的预处理，之后清除原始图像文件夹，并将处理后的图像移动到原始位置。
  （4）split_train_val_datasets_multiprocessing(all_datasets_image_path, Number_of_intervals, num_processes)
  数据集划分非常重要，它决定了训练集和验证集的数据。这个函数可以自动化这一过程，并且支持多进程，以便在处理大规模数据集时加快速度。
  （5）transfer_labels_multiprocessing(image_path, classes, num_processes)
  当需要将XML格式的标注数据转换为YOLO格式时，这个函数可以把该过程多进程化，显著提升效率。