Erste Schritte

Annotationseditor

Die Ultralytics Platform bietet einen Annotationseditor zum Labeln von Bildern mit Begrenzungsrahmen, Polygonen, Keypoints, orientierten Rahmen und Klassifizierungen. Der Editor unterstützt das manuelle Zeichnen, die intelligente Annotation mit SAM und Vorhersagen kompatibler YOLO-Modelle oder – bei Erkennungsdatensätzen mit 1–200 Klassen – klassenabfragegesteuerter Modelle: gehostete Open-Source-Modelle oder kostenpflichtige Anbietermodelle.

Symbolleiste des Ultralytics Platform-Annotationseditors mit Arbeitsfläche

Unterstützte Aufgabentypen#

Der Annotationseditor bietet Werkzeuge für 6 YOLO-Aufgabentypen:

AufgabeWerkzeugAnnotationsformat
ErkennenRechteckBegrenzungsrahmen (x, y, Breite, Höhe)
SegmentierenPolygonPixelgenaue Masken (Polygon-Eckpunkte)
SemantischPolygonBereichsmasken pro Klasse (Polygon-Eckpunkte)
KlassifizierenKlassenauswahlBildbeschriftungen
PoseSchlüsselpunktSkelettvorlagen (Person, Hand, Hund, Gesicht, Kasten, benutzerdefiniert)
OBBGedrehter RahmenGedrehte Begrenzungsrahmen (4 Ecken)
Multitask-Annotationen

Alle 6 Annotationsarten werden gemeinsam für jedes Bild gespeichert. Du kannst den aktiven Aufgabentyp des Datensatzes ändern, ohne vorhandene Annotationen zu verlieren. Sie bleiben erhalten und werden wieder angezeigt, wenn du zum vorherigen Aufgabentyp zurückwechselst.

Tiefenreferenzdaten sind eine zugehörige Karte, die du hochlädst, und nichts, was du zeichnest. Daher wird der Editor bei einem Tiefendatensatz schreibgeschützt geöffnet.

Aufgabendetails#

Objekterkennung

Funktion: Erkennt Objekte und ihre Positionen mithilfe achsenparalleler Begrenzungsrahmen.

Beschriftungsformat: class_id center_x center_y width height (alle Werte normalisiert auf 0–1)

Beispiel: 0 0.5 0.5 0.2 0.3 – Klasse 0 mittig bei (50 %, 50 %), mit 20 % Breite und 30 % Höhe

Anwendungsfälle: Inventurzählung, Verkehrsüberwachung, Wildtiererkennung, Sicherheitssysteme

Instanzsegmentierung

Funktion: Erstellt pixelgenaue Masken für jede Objektinstanz.

Beschriftungsformat: class_id x1 y1 x2 y2 x3 y3 ... (Polygon-Eckpunkte, normalisiert auf 0–1)

Beispiel: 0 0.1 0.1 0.9 0.1 0.9 0.9 0.1 0.9 – Viereckige Maske

Anwendungsfälle: Medizinische Bildgebung, autonome Fahrzeuge, Bildbearbeitung, landwirtschaftliche Analyse

Bildklassifizierung

Funktion: Weist dem gesamten Bild eine einzelne Beschriftung zu.

Beschriftungsformat: Ordnerbasiert – Bilder werden nach Klassennamen sortiert (train/cats/, train/dogs/)

Anwendungsfälle: Inhaltsmoderation, Qualitätskontrolle, medizinische Diagnose, Szenenerkennung

Pose-Schätzung

Funktion: Erkennt Keypoints am Körper für die Skelettverfolgung.

Beschriftungsformat: class_id cx cy w h kx1 ky1 v1 kx2 ky2 v2 ...

  • Sichtbarkeitskennzeichnungen: 0 = nicht beschriftet, 1 = beschriftet, aber verdeckt, 2 = beschriftet und sichtbar

Beispiel: 0 0.5 0.5 0.2 0.3 0.6 0.7 2 0.4 0.8 1 – Person mit 2 Schlüsselpunkten

Anwendungsfälle: Sportanalyse, Physiotherapie, Animation, Gestenerkennung

Gedrehter Begrenzungsrahmen (OBB)

Funktion: Erkennt gedrehte Objekte mithilfe winkelbezogener Begrenzungsrahmen.

Beschriftungsformat: class_id x1 y1 x2 y2 x3 y3 x4 y4 (vier Eckpunkte, normalisiert)

Beispiel: 0 0.1 0.1 0.9 0.1 0.9 0.9 0.1 0.9 – Gedrehtes Rechteck

Anwendungsfälle: Luftbilder, Dokumentenanalyse, Fertigungsprüfung, Schiffserkennung

Erste Schritte#

So annotierst du Bilder:

  1. Rufe deinen Datensatz auf
  2. Klicke einmal auf ein Bild, um den Vollbild-Annotationseditor zu öffnen
  3. Verwende den Standardmodus Draw oder wechsle, sofern unterstützt, zu Smart
  4. Wähle eine Klasse aus und füge Annotationen direkt im Bild hinzu oder passe sie an
  5. Fahre mit einem anderen Bild fort oder schließe den Editor; Änderungen werden nach jeder Bearbeitung automatisch gespeichert.

Bei Datensätzen, die du bearbeiten kannst, sind die Annotationswerkzeuge aktiv, sobald die Vollbildansicht auf dem Desktop geöffnet wird. Es gibt keinen separaten Bearbeitungsmodus und keine Schaltfläche Edit. Auf Mobilgeräten und wenn du keinen Bearbeitungszugriff hast, ist die Vollbildansicht schreibgeschützt.

Vollbild-Annotationseditor der Ultralytics Platform mit Werkzeugleiste

Annotationsmodi#

Draw ist der Standardmodus für räumliche Annotationsaufgaben. Bei Detect-, Segment-, Semantic-, Pose- und OBB-Datensätzen bietet die Werkzeugleiste außerdem den Modus Smart, sofern Smart Annotation verfügbar ist:

ModusBeschreibungTastenkombination
ZeichnenStandardmodus für manuelle Annotationen mit aufgabenspezifischen ZeichenwerkzeugenV
SmartModellgestützte Annotation mit SAM bei Detect-, Segment-, Semantic- und OBB-Datensätzen, mit YOLO-Modellen bei diesen Datensätzen und Pose-Datensätzen oder mit klassenbasierten Modellen (gehostete Open-Source-Modelle oder kostenpflichtige Anbietermodelle) bei Erkennungsdatensätzen mit 1–200 KlassenS

Für Pose-Annotationen wird Draw mit einer Skelettvorlage verwendet. Der Modus Smart bietet ausschließlich YOLO-Pose-Modelle, ohne SAM-Auswahl oder Schalter für die automatische Anwendung. Bei der Klassifizierung wird direkt die Klassen-Seitenleiste verwendet; eine Werkzeugleiste zum Zeichnen oder eine Schaltfläche Smart wird nicht angezeigt.

Für die intelligente Annotation müssen bei Datensätzen im Cloud-Speicher KI-Funktionen aktiviert sein. Bei On-Premise-Datensätzen und Datensätzen mit mehr als drei Bildkanälen ist sie nicht verfügbar.

Der Editor speichert für jeden Datensatz in deinem Browser den Modus, das Modell und die Einstellung für die automatische Anwendung.

Werkzeuge im Zeichenmodus#

Begrenzungsrahmen (Detect)#

Zeichne rechteckige Rahmen um Objekte:

  1. Wähle in der Klassen-Seitenleiste eine Klasse aus
  2. Klicke im Standardmodus Draw und ziehe, um ein Rechteck zu zeichnen
  3. Lass die Maustaste los, um den Rahmen fertigzustellen

Zeichnen eines Begrenzungsrahmens für Detect in der Ultralytics Platform

Größe ändern und verschieben
  • Ziehe an den 8 Griffen an Ecken und Kanten, um die Größe zu ändern
  • Ziehe die Mitte, um das Objekt zu verschieben
  • Drücke Delete oder Backspace, um die ausgewählte Annotation zu entfernen

Polygon (Segment)#

Zeichne präzise Polygonmasken:

  1. Wähle in der Klassen-Seitenleiste eine Klasse aus
  2. Klicke im Standardmodus Draw, um Eckpunkte hinzuzufügen, oder halte Shift gedrückt und bewege die Maus, um freihändig viele Punkte zu zeichnen
  3. Doppelklicke, klicke auf den ersten Eckpunkt oder drücke Enter oder Escape, um das Polygon zu schließen

Drücke während des Zeichnens Z, um den letzten Eckpunkt zu entfernen, oder Delete, um das Polygon zu verwerfen.

Polygoneckpunkte für Segment-Annotationen in der Ultralytics Platform

Eckpunkte bearbeiten
  • Ziehe einzelne Eckpunkte, um sie anzupassen
  • Ziehe das gesamte Polygon, um es zu verschieben
  • Klicke auf eine Kante des ausgewählten Polygons oder ziehe daran, um einen Eckpunkt einzufügen
  • Klicke mit der rechten Maustaste auf einen Eckpunkt und wähle Punkt entfernen (Polygone benötigen mindestens 3 Eckpunkte) oder klicke mit der rechten Maustaste auf eine Kante und wähle Punkt hinzufügen

Keypoint (Pose)#

Annotiere Posen mithilfe von Skelettvorlagen. Wähle in der Werkzeugleiste eine Vorlage aus, klicke einmal, um alle Keypoints zu platzieren, und ziehe anschließend einzelne Keypoints, um ihre Position anzupassen.

  1. Wähle in der Klassen-Seitenleiste eine Klasse aus
  2. Wähle im Standardmodus Draw im Vorlagenauswahlmenü der Werkzeugleiste eine Skelettvorlage aus
  3. Klicke auf das Bild, um alle Keypoints auf einmal zu platzieren
  4. Ziehe einzelne Keypoints, um ihre Position anzupassen

Dropdownmenü für Pose-Vorlagen in der Ultralytics Platform

Integrierte Skelettvorlagen#

Der Editor enthält 5 integrierte Vorlagen:

VorlageSchlüsselpunkteBeschreibung
Person17Menschliche Körperpose aus COCO — Nase, Augen, Ohren, Schultern, Ellbogen, Handgelenke, Hüften, Knie, Knöchel
Hand21Hand-Keypoints von Ultralytics — Handgelenk sowie Gelenke von Daumen, Zeigefinger, Mittelfinger, Ringfinger und kleinem Finger
Hund18AP-10K-Tierpose — Nase, Kopf, Hals, Schultern, Schwanzansatz, Schwanz und 4 Beine (Ellbogen, Knie, Pfoten)
Gesicht68Gesichtsmerkmale aus iBUG 300W — Kiefer, Augenbrauen, Nase, Augen, Mund
Rahmen4Eckpunkte — oben links, oben rechts, unten rechts, unten links

Skelett mit Pose-Keypoints in der Ultralytics Platform

Benutzerdefinierte Skelettvorlagen#

Erstelle benutzerdefinierte Vorlagen für beliebige Posen:

  1. Öffne das Vorlagenauswahlmenü in der Werkzeugleiste und wähle Neue Vorlage...
  2. Klicke optional auf Aus Vorlage starten..., um Keypoints und Verbindungen aus einer vorhandenen Vorlage als Ausgangspunkt zu laden
  3. Platziere Keypoints durch Klicken auf der Arbeitsfläche
  4. Benenne jeden Keypoint und passe die Farben an
  5. Verbinde Keypoints, indem du zwei Punkte auswählst (Verbindungen werden automatisch gezeichnet, während du nacheinander Keypoints platzierst)
  6. Speichere die Vorlage, um sie im gesamten Datensatz wiederzuverwenden

Benutzerdefinierte Pose-Vorlage in der Ultralytics Platform

Benutzerdefinierte Vorlagen werden im Arbeitsbereich des Datensatzes gespeichert und sind in allen zugehörigen Pose-Datensätzen verfügbar. Bearbeite oder lösche sie über das Vorlagenauswahlmenü.

Vorlagenworkflow

Das Vorlagensystem macht das manuelle, aufeinanderfolgende Platzieren von Keypoints überflüssig. Statt 17-mal für ein COCO-Skelett zu klicken, wählst du die Vorlage „Person“ aus und klickst einmal – alle Keypoints werden an den richtigen Stellen des Skeletts platziert. Ziehe sie anschließend, um ihre Positionen an die jeweilige Pose anzupassen.

Sichtbarkeit von Keypoints

Jeder Keypoint hat eine Sichtbarkeitsmarkierung: 0 = nicht beschriftet, 1 = beschriftet, aber verdeckt, 2 = beschriftet und sichtbar. Die von dir platzierten Keypoints sind als sichtbar beschriftet (2). Klicke mit der rechten Maustaste auf einen Keypoint und wähle Punkt ausblenden, um ihn als nicht beschriftet zu markieren (0), oder klicke mit der rechten Maustaste auf die Pose und wähle Sichtbarkeit zurücksetzen, um ihre ausgeblendeten Keypoints wieder anzuzeigen. Importierte Labels behalten ihre Sichtbarkeitsmarkierungen.

Rotierter Begrenzungsrahmen (OBB)#

Zeichne gedrehte Rahmen um schräg liegende Objekte:

  1. Wähle in der Klassen-Seitenleiste eine Klasse aus
  2. Klicke im Standardmodus Draw und ziehe, um einen ersten Rahmen zu zeichnen
  3. Passe den Winkel mithilfe des Drehgriffs an
  4. Ziehe an den Eckgriffen, um die Größe zu ändern

Gedrehter Begrenzungsrahmen für OBB-Annotationen in der Ultralytics Platform

Klassifizierung (Classify)#

Weise Bilder auf Bildebene Klassenlabels zu:

  1. Klicke auf ein Bild, um den Editor in der Vollbildansicht zu öffnen
  2. Wähle in der Klassen-Seitenleiste eine Klasse aus oder drücke eine Zifferntaste von 1-9

Seitenleiste für die Klassifizierung in der Ultralytics Platform

Smart Annotation#

Die intelligente Annotation ergänzt den Editor um eine modellgestützte Annotation. Im intelligenten Modus kannst du Segment Anything Model (SAM) für die klickbasierte Annotation verwenden oder mit vortrainierten Ultralytics-YOLO-Modellen und deinen eigenen feinabgestimmten YOLO-Modellen Vorhersagen als Annotationen hinzufügen. Auf Erkennungsdatensätzen mit 1–200 Klassen bietet die Modellauswahl außerdem klassenabfragegesteuerte Modelle, die die Klassen des Datensatzes erkennen: neun gehostete Open-Source-Modelle (ein weiteres mit aktiviertem Frühzugriff), gehostete textabfragegesteuerte Modelle SAM 3 und SAM 3.1 sowie kostenpflichtige Bildverarbeitungsmodelle von zwölf Anbietern. Die intelligente Annotation mit SAM ist für die Aufgaben detect, segment, semantic und OBB verfügbar; die intelligente Annotation mit YOLO deckt auch pose ab.

Modellvorhersagen ersetzen deine Labels nie: Eine Vorhersage, die eine vorhandene Annotation derselben Klasse um mehr als den eingestellten Vorhersagewert für IoU überlappt (Standardwert 0.5, der auch gilt, wenn klassenabfragegesteuerte Modelle die Einstellung ausblenden), wird übersprungen. Die Batch-Annotation wendet dieselbe Regel auf Bilder an, die bereits Labels haben.

SAM Smart Annotation#

Wenn ein SAM-Modell ausgewählt ist:

  1. Wähle Smart aus oder drücke S
  2. Klicke auf das Objekt, das du annotieren möchtest – SAM erstellt in Echtzeit eine erste Maske.
  3. Verfeinere die Maske mit weiteren Klicks: Klicke außerhalb der aktuellen Maske, um den abgedeckten Bereich zu vergrößern, oder innerhalb der aktuellen Maske, um Bereiche abzuziehen
  4. Drücke Enter oder Escape, um die Annotation zu speichern, oder aktiviere automatisch anwenden für einen Arbeitsablauf mit nur einem Klick

Positive und negative Punkte sowie Maske für SAM-Annotationen in der Ultralytics Platform

SAM-Tipps
  • Beginne mit einem Klick in die Mitte des Objekts
  • Klicke erneut außerhalb der Maske, um den abgedeckten Bereich zu vergrößern
  • Klicke innerhalb der Maske, um unerwünschte Bereiche abzuziehen
  • Aktiviere automatisch anwenden (A) für Annotationen mit nur einem Klick
  • Halte Shift gedrückt, während die automatische Anwendung aktiviert ist, um mehrere Punkte zu setzen, bevor die Maske angewendet wird
  • Funktioniert am besten bei klar abgegrenzten Objekten mit deutlichen Kanten
  • Verwende einige verfeinernde Klicks bei länglichen oder überlappenden Objekten

SAM Smart Annotation kann Folgendes erzeugen:

  • Polygone für Segmentierungsaufgaben
  • Begrenzungsrahmen für Erkennungsaufgaben
  • Gedrehte Rahmen für OBB-Aufgaben
SAM-Unterstützung nach Aufgabe

Die intelligente Annotation mit SAM ist nur für die Aufgaben detect, segment, semantic und OBB verfügbar. Für Pose-Datensätze verwendest du stattdessen die intelligente YOLO-Annotation, während Klassifizierungsdatensätze manuell annotiert werden müssen.

Modus „Automatisch anwenden“#

Der Modus „Automatisch anwenden“ beschleunigt die intelligente Annotation, indem die SAM-Maske nach jedem Klick automatisch gespeichert wird – du musst Enter nicht drücken. Aktiviere oder deaktiviere den Modus über die Schaltfläche zum automatischen Anwenden in der Symbolleiste oder durch Drücken von A.

ModusVerhalten
Automatisch anwenden EINDie Maske wird nach jedem Klick automatisch angewendet
Automatisch anwenden EIN + ShiftSetze zuerst mehrere Punkte. Die Maske wird beim Loslassen angewendet
Automatisch anwenden AUS (Standard)Setze beliebig viele Punkte und drücke zum Anwenden Enter

Ultralytics Platform: Schalter zum automatischen Anwenden in der SAM-Annotation

Wann du „Automatisch anwenden“ verwenden solltest

„Automatisch anwenden“ eignet sich ideal für Datensätze mit klar voneinander getrennten Objekten, bei denen ein einzelner Klick eine präzise Maske erzeugt. Deaktiviere die Funktion bei komplexen oder überlappenden Objekten und verfeinere die Maske vor dem Speichern mit mehreren positiven oder negativen Punkten.

SAM-Modellauswahl#

Wenn der Smart-Modus aktiv ist, erscheint eine Modellauswahl in der Symbolleiste. Sechs SAM-Modelle stehen zur Verfügung. Wähle je nach gewünschtem Verhältnis von Geschwindigkeit zu Genauigkeit und passend zu deinem Datensatz:

ModellParameterGeschwindigkeitHinweise
SAM 2.1 Tiny0.04BAm schnellsten
SAM 2.1 Small0.05BSchnell
SAM 2.1 Base0.08BMittel
SAM 2.1 Large0.22BLangsamerAm genauesten innerhalb von SAM 2.1
SAM 30.86BAm langsamsten
SAM 3.10.87BAm langsamstenStandard, neueste Generation

Ultralytics Platform: Auswahl des SAM-Modells in der Annotation

Wenn du das Modell wechselst, während der Smart-Modus aktiv ist, wird der Prädiktor automatisch für das aktuelle Bild neu initialisiert.

Intelligente YOLO-Annotation#

Wenn ein YOLO-Modell ausgewählt ist, kann die intelligente Annotation Vorhersagen von vortrainierten Ultralytics-Modellen oder deinen eigenen feinabgestimmten Modellen hinzufügen.

  1. Wähle Smart aus oder drücke S
  2. Wähle in der Symbolleiste über die Modellauswahl ein YOLO-Modell aus (Models oder My Models).
  3. Klicke auf Predict
  4. Überprüfe die hinzugefügten Annotationen und nimm bei Bedarf Korrekturen vor

Ultralytics Platform: YOLO-Modell für die intelligente Annotation

Hinweise zu YOLO-Modellen
  • Die Modellauswahl zeigt Modelle an, die zur Aufgabe des aktuellen Datensatzes passen. Bei einem Pose-Datensatz werden also Pose-Modelle angeboten. Bei Erkennungs- und Segmentierungsdatensätzen werden auch die Modelle der jeweils anderen Aufgabe angezeigt, allerdings deaktiviert.
  • Wenn sich die Klassen des Modells von denen des Datensatzes unterscheiden, ordnet ein Dialogfeld Klassen zuordnen jede Modellklasse einer Datensatzklasse zu oder überspringt sie. Bei einem Datensatz ohne Klassen werden diese erstellt.
  • Jede Vorhersage umfasst bis zu 1.000 Objekte (300 bei RT-DETR-Modellen), und die Stapelannotation mit einem YOLO-Modell unterliegt derselben Begrenzung.

Intelligente Annotation mit Klassenaufforderung#

Wähle bei einem Erkennungsdatensatz mit 1–200 Klassen ein Modell mit Klassen-Prompts aus und klicke auf Predict (oder drücke P): Das Modell erkennt die Klassen des Datensatzes im gesamten Bild mit modellspezifischen Schwellenwerten und fügt bearbeitbare Boxen hinzu, die du wie YOLO-Vorhersagen überprüfst und speicherst. Diese Modelle geben keine Konfidenzwerte zurück. Daher sind die Vorhersageeinstellungen (Konfidenz und IoU) ausgeblendet, solange ein solches Modell ausgewählt ist.

Gehostete Modelle werden auf der Ultralytics Platform ohne Anbieterschlüssel ausgeführt:

ModellProjektauswahlParameter
Moondream 3.1Open-Source-Modelle9B
Gemma 4 26BOpen-Source-Modelle26B
Qwen3.8 27BOpen-Source-Modelle27B
Nemotron 3 Nano OmniOpen-Source-Modelle30B
WeVisOne-VL 4BOpen-Source-Modelle4B
YOLOE-26xOpen-Source-Modelle0.09B
Florence-2 LargeOpen-Source-Modelle0.78B
OWLv2 LargeOpen-Source-Modelle0.44B
Grounding DINO BaseOpen-Source-Modelle0.23B
SAM 3 TextMeta0.86B
SAM 3.1 TextMeta0.87B

Kostenpflichtige Bildverarbeitungsmodelle von OpenAI (einschließlich GPT-6 Astra und GPT-6.1 Sol), Anthropic (einschließlich Claude Fable 5.2 und Claude Opus 5.5), Google (einschließlich Gemini 4 Argon, Gemini 4 Carbon und Gemini 4 Hydrogen), Meta, SpaceXAI, DeepSeek, Z.ai, Kimi, Xiaomi MiMo, Alibaba, MiniMax und Tencent (einschließlich Hy4) erscheinen im Auswahlmenü unter dem jeweiligen Projekt des Anbieters:

ProviderModelCost per 1M tokens (input / output)
OpenAIGPT-6 Astra gpt-6-astra$10.00 / $50.00
OpenAIGPT-6.1 Sol gpt-6.1-sol$2.00 / $10.00
OpenAIGPT-6.1 Terra gpt-6.1-terra$1.00 / $5.00
OpenAIGPT-6 Luna gpt-6-luna$0.10 / $0.50
AnthropicClaude Fable 5.2 claude-fable-5-2$8.00 / $40.00
AnthropicClaude Opus 5.5 claude-opus-5-5$4.00 / $20.00
AnthropicClaude Sonnet 5.5 claude-sonnet-5-5$2.00 / $10.00
AnthropicClaude Haiku 5.5 claude-haiku-5-5$0.10 / $0.50
GoogleGemini 4 Carbon gemini-4-carbon$2.00 / $10.00
GoogleGemini 4 Argon gemini-4-argon$2.00 / $10.00
GoogleGemini 4 Hydrogen gemini-4-hydrogen$1.50 / $7.50
GoogleGemini 3.8 Flash gemini-3.8-flash$0.75 / $3.75
GoogleGemini 3.5 Flash-Lite gemini-3.5-flash-lite$0.30 / $2.50
MetaMuse Wonder 1.0 muse-wonder-1.0$4.00 / $20.00
MetaMuse Spark 1.3 muse-spark-1.3$1.25 / $4.25
MetaMuse Ember 1.0 muse-ember-1.0$0.10 / $0.50
SpaceXAIGrok 4.7 grok-4.7$2.00 / $6.00
DeepSeekDeepSeek Flash deepseek-flash$0.30 / $1.20
Z.aiGLM-5.3-Flash glm-5.3-flash$0.15 / $0.50
KimiKimi K3 kimi-k3$3.00 / $15.00
KimiKimi K3.1 Pro kimi-k3.1-pro$2.00 / $10.00
Xiaomi MiMoMiMo-V2.6-Pro mimo-v2.6-pro$0.435 / $0.87
Xiaomi MiMoMiMo-V2.6-Flash mimo-v2.6-flash$0.14 / $0.28
AlibabaQwen4-Max qwen4-max$1.50 / $4.50
AlibabaQwen3.8-Max qwen3.8-max$2.00 / $6.00
MiniMaxMiniMax-M3.1-Flash minimax-m3.1-flash$0.15 / $0.60
TencentHy4 hy4$0.834 / $2.501

Ein kostenpflichtiges Anbietermodell wird mit dem Anbieterschlüssel ausgeführt, der in den Einstellungen > API-Schlüssel des Datensatz-Arbeitsbereichs gespeichert ist. Fehlt ein solcher Schlüssel, schlägt die Vorhersage fehl und bietet die Aktion API-Schlüssel hinzufügen an. Der Anbieter belastet deinen Schlüssel für jede Vorhersage. Nach jeder Vorhersage zeigt die Benachrichtigung die Anzahl der erkannten Objekte, die verstrichene Zeit, die Ausgabetokens, sofern das Modell sie meldet (zum Beispiel 1.8s · 1,248 output tokens · Free), und die Kosten an: Kostenlos bei einem gehosteten Modell; bei einem kostenpflichtigen Modell die geschätzten Anbieterkosten, sofern diese angegeben werden, andernfalls Abgerechnet durch und den Namen des Anbieters.

Ähnliche Objekte mit visuellen Vorgaben annotieren#

Auf Datensätzen zur Objekterkennung, Segmentierung und OBB, für die intelligente Annotation verfügbar ist, verwendet Ähnliche annotieren bereits von dir gezeichnete Labels als visuelle Beispiele: YOLOE-26x findet weitere ähnlich aussehende Objekte – ohne Klassennamen oder Training.

  1. Zeichne einige Labels auf ein Bild, klicke dann mit der rechten Maustaste auf eines davon und wähle Ähnliche annotieren. Jedes Label der ausgewählten Klassen im Bild (höchstens 200) dient als Beispiel. Wenn du außerhalb einer Annotation mit der rechten Maustaste auf das Bild klickst, werden stattdessen alle Annotationen der Datensatzaufgabe auf dem Bild verwendet. Die Aktion bleibt deaktiviert, bis das Bild mindestens eine Annotation enthält.
  2. Im Dialog werden links die Beispiele und rechts das Ergebnis angezeigt: die vorhandenen Labels des Bildes sowie ausschließlich die neuen Objekte, mit einer Anzahl wie 3 neue Objekte gefunden. Passe die Konfidenz- und IoU-Schieberegler an, deren Startwerte 0.01 und 0.5 sind. Auf OBB-Datensätzen werden orientierte Boxen an die Segmentierungsmasken angepasst.
  3. Klicke auf Anwenden, um genau die neuen Objekte kostenlos zu diesem Bild hinzuzufügen. Anwenden ist deaktiviert, wenn keine neuen Objekte gefunden werden.

Erneute Erkennungen deiner Beispiele und anderer vorhandener Labels werden nach derselben IoU-Regel wie andere Vorhersagen übersprungen; neue Objekte wiederholen sich nicht.

Nach dem Klick auf Anwenden bietet die Benachrichtigung die Option Alle annotieren. Damit wird die Batch-Annotation geöffnet, in der dieselben Beispiele anstelle der Modellauswahl unter Beispielklassen aufgeführt sind: Sieh dir die Vorschauen an, passe die Konfidenz (Standardwert 0.25) und IoU (Standardwert 0.5) an und klicke auf Start, um ähnliche Objekte in allen nicht annotierten Bildern oder – wenn Annotierte Bilder einschließen aktiviert ist – in allen Bildern zu finden. Die Beispiele stammen aus dem Bild, auf dem du sie gezeichnet hast, auch wenn du vor dem Klick auf Alle annotieren zu einem anderen Bild wechselst. Die Ausführung wird wie jede Batch-Annotation abgerechnet.

Stapelannotation#

Die Batch-Annotation führt ein Modell – ein YOLO-Modell, auf Erkennungsdatensätzen mit 1–200 Klassen ein klassenabfragegesteuertes Modell oder YOLOE-26x mit visuellen Beispielen – für einen gesamten Datensatz statt nur für das geöffnete Bild aus. Öffne sie auf der Datensatzseite über Weitere Aktionen > Batch-Annotation, über die Aktion Alle annotieren in der Benachrichtigung nach einer Editorvorhersage, bei der Objekte gefunden wurden, oder nachdem Ähnliche Bilder finden Bilder hinzugefügt hat. Du kannst sie auch über Alle annotieren nach Ähnliche annotieren öffnen. Die Funktion steht Bearbeitern von auf der Platform gehosteten Datensätzen mit bis zu drei Bildkanälen für alle Aufgaben außer Tiefenmessung zur Verfügung.

  1. Wähle ein Modell aus der Auswahlliste (Models, einschließlich der Open-Source-Modelle und Anbieterprojekte auf Erkennungsdatensätzen mit 1–200 Klassen, oder My Models). Der Dialog wird mit dem Modell geöffnet, das du zuletzt im intelligenten Modus verwendet hast, oder mit Moondream 3.1 auf einem Erkennungsdatensatz, wenn du dort zuletzt ein SAM-Modell oder gar kein Modell verwendet hast.
  2. Passe bei einem YOLO-Modell die Schieberegler für Konfidenz (Standardwert 0.25) und IoU (Standardwert 0.5) an. Die Beispielbilder neben den Einstellungen zeigen, was das Modell bei den jeweiligen Werten erkennt. Ein Modell mit Klassenaufforderung erkennt die Klassen des Datensatzes (1–200) anhand modellspezifischer Schwellenwerte statt dieser Einstellungen und gibt keine Scores zurück.
  3. Aktiviere Annotierte Bilder einschließen, damit auch Bilder verarbeitet werden, die bereits Labels haben. Die Ausführung behält die vorhandenen Labels bei und fügt nur hinzu, was einem Bild noch fehlt. Vorschauen annotierter Bilder zeigen die vorhandenen Labels sowie die von der Ausführung hinzugefügten Labels.
  4. Überprüfe die Geschätzten Kosten und klicke auf Starten

Ultralytics Platform: Beispielvorschauen im Dialogfeld zur Stapelannotation von Datensätzen

Standardmäßig werden nur nicht gelabelte Bilder annotiert, und vorhandene Labels werden nie geändert. Für einen Durchlauf müssen Datensatzklassen vorhanden sein. Wenn sich bei einem YOLO-Modell die Klassen des Modells von denen des Datensatzes unterscheiden, ordnet ein Schritt Klassen zuordnen jede Modellklasse einer Datensatzklasse zu oder überspringt sie. Bei einem Datensatz ohne Klassen werden diese erstellt. Der Durchlauf beginnt erst, wenn die Klassen vorhanden sind. Beim Starten eines Durchlaufs wird zuerst eine Datensatzversion gespeichert, sodass du den Datensatz wiederherstellen kannst, falls dir das Ergebnis nicht gefällt.

Auf der Datensatzseite wird der Fortschritt des Durchlaufs angezeigt. Mit Stop behältst du die bis dahin verarbeiteten Bilder und sie werden abgerechnet. Nach Abschluss des Durchlaufs zeigt eine Zusammenfassung die verarbeiteten Bilder sowie die hinzugefügten Annotationen und Klassen an. Wenn ein kostenpflichtiger Anbieter deinen Schlüssel bei drei aufeinanderfolgenden Bildern ablehnt oder die Anfragen begrenzt, wird der Durchlauf vorzeitig beendet und es wird angegeben, wie viele Bilder nicht verarbeitet wurden.

Kosten der Stapelannotation

Die Stapelannotation kostet 1,00 $ je 1.000 verarbeitete Bilder, mindestens jedoch 0,01 $ pro Durchlauf. Beim Start wird der geschätzte Betrag von deinem Guthaben reserviert und anschließend anhand der tatsächlich verarbeiteten Bilder abgerechnet. Die Kosten erscheinen auf dem Tab „Abrechnung“ als Automatische Annotation, sobald du die Zusammenfassung des Durchlaufs schließt. Bei einem kostenpflichtigen Anbietermodell deckt dieser Betrag nur die Verarbeitungsgebühr der Platform ab. Der Anbieter rechnet außerdem die Testlaufvorschauen und Annotationen über deinen API-Schlüssel ab.

Seitenleiste „Klassen“#

Der Annotationseditor enthält rechts neben der Arbeitsfläche eine einklappbare Seitenleiste für Klassen. Die Seitenleiste bietet folgende Funktionen:

  • Klassen suchen: Filtere die Klassenliste, indem du etwas in das Suchfeld eingibst. Drücke bei einer exakten Übereinstimmung Enter, um die Klasse auszuwählen, oder erstelle eine neue Klasse, wenn keine Übereinstimmung gefunden wird.
  • Neue Klasse direkt erstellen: Klicke am Ende der Liste auf Add class, gib einen Namen ein und wähle optional eine eigene Farbe aus. Drücke zum Erstellen Enter.
  • Klassennamen direkt bearbeiten: Bewege den Mauszeiger über einen Klassennamen und klicke auf das Stiftsymbol, um ihn umzubenennen.
  • Farbauswahl: Klicke auf das Farbfeld neben einer Klasse, um ihre Farbe zu ändern.
  • Anzahl der Annotationen pro Klasse: Jede Klassenzeile zeigt hochgestellt die Anzahl der Annotationen an.
  • Ein- und ausklappen: Klicke auf den Winkelpfeil, um eine Klasse aufzuklappen und die einzelnen Annotationen darunter anzuzeigen.
  • Hervorhebung beim Überfahren in beide Richtungen: Wenn du in der Arbeitsfläche auf eine Annotation zeigst, wird sie in der Seitenleiste hervorgehoben und umgekehrt. Die Seitenleiste scrollt automatisch zur entsprechenden Klasse. Wenn du auf eine Klassenzeile oder ihr Feld in der Klassenübersicht unter dem Bild zeigst, werden alle Annotationen dieser Klasse hervorgehoben.
  • Eine ganze Klasse aus- oder einblenden: Klicke in einer Klassenzeile auf das Augensymbol, um alle Annotationen dieser Klasse gleichzeitig ein- oder auszublenden.
  • Einzelne Annotationen aus- oder einblenden: Klicke in einer Annotationszeile auf das Augensymbol, um die Sichtbarkeit der Annotation in der Arbeitsfläche umzuschalten.
  • Annotationen löschen: Klicke in einer Annotationszeile auf das Papierkorbsymbol, um die Annotation zu löschen.
  • Tastenkombinationen: Drücke 1-9, um schnell eine der ersten 9 Klassen auszuwählen, H, um alle Annotationen im Bild ein- oder auszublenden, oder ], um die Seitenleiste ein- oder auszublenden.

Kontextmenü#

Klicke mit der rechten Maustaste auf eine Annotation, um ein Kontextmenü mit folgenden Optionen zu öffnen:

AktionTastenkombination
In den VordergrundCmd/Ctrl+Shift+]
In den HintergrundCmd/Ctrl+Shift+[
Eine Ebene nach vornCmd/Ctrl+]
Eine Ebene nach hintenCmd/Ctrl+[
Annotation(en) ausblenden
Annotation(en) löschenDelete / Backspace

Mit einem Rechtsklick auf einen Polygonknoten oder eine Polygonkante kannst du Punkt entfernen oder Punkt hinzufügen auswählen. Mit einem Rechtsklick auf einen Pose-Schlüsselpunkt kannst du Punkt ausblenden und Sichtbarkeit zurücksetzen auswählen. Das Menü bietet außerdem Gesichter unkenntlich machen, sofern verfügbar, und auf Datensätzen zur Objekterkennung, Segmentierung und OBB, für die intelligente Annotation verfügbar ist, Ähnliche annotieren. Damit findest du weitere Objekte, die den ausgewählten Labels ähneln.

Sichtbarkeitseinstellungen#

Über das Sichtbarkeitsmenü (Augensymbol) kannst du die Anzeige einzelner Elemente umschalten:

UmschaltenBeschreibung
AnnotationenAlle Annotationsebenen ein- oder ausblenden
KlassenbezeichnungenKlassennamen auf Annotationen ein- oder ausblenden
Pixel anzeigenPixelierte Darstellung zur Prüfung beim Vergrößern umschalten (Vollbild)
FadenkreuzBeim Annotieren den Fadenkreuzcursor mit Pixelkoordinaten anzeigen
NavigationsminiaturenNavigationsleiste mit Miniaturansichten anzeigen (Vollbild)
Infoleiste untenDie Bildinfoleiste am unteren Rand ein- oder ausblenden (Vollbild)
Alles anzeigenAnnotationen, Bezeichnungen, Fadenkreuz, Miniaturansichten und Infoleiste unten gleichzeitig umschalten (wirkt sich nicht auf die pixelierte Darstellung aus)

Fadenkreuzcursor#

Beim Annotieren verfolgt ein Fadenkreuz die Cursorposition und zeigt die Pixelkoordinaten auf der Arbeitsfläche an. So kannst du Annotationen präzise platzieren. Du kannst das Fadenkreuz über das Sichtbarkeitsmenü ein- oder ausschalten.

SAM-Vorschau beim Überfahren#

Im Smart-Modus zeigt SAM in Echtzeit eine Vorschau an, wenn du den Mauszeiger bewegst, bevor du Punkte setzt. Diese Vorschau ist für die Aufgaben detect, segment, semantic und OBB verfügbar. Sobald du Punkte zur Verfeinerung setzt, wird die Vorschau aktualisiert und zeigt die aktuelle Maske sowie den Annotationstyp für die aktive Aufgabe.

Polygonpunkte bearbeiten#

Bei Segmentierungs- und semantischen Annotationen kannst du nach dem Zeichnen die Polygonpunkte bearbeiten:

  • Punkte verschieben: Ziehe einen beliebigen Punktgriff an die gewünschte Position
  • Punkte hinzufügen: Klicke auf eine Kante des ausgewählten Polygons oder ziehe sie, oder klicke mit der rechten Maustaste auf eine Kante und wähle Punkt hinzufügen
  • Punkte entfernen: Klicke mit der rechten Maustaste auf einen Punkt und wähle Punkt entfernen. Polygone behalten mindestens 3 Punkte.

Klassen verwalten#

Klassen erstellen#

Lege im Tab Classes Annotationsklassen für deinen Datensatz fest:

  1. Wechsle zum Tab Classes
  2. Gib im Eingabefeld unten einen Klassennamen ein
  3. Klicke auf Add oder drücke Enter
  4. Die Farbe wird automatisch aus der Ultralytics-Farbpalette zugewiesen

Ultralytics Platform – Tab „Klassen annotieren“ – neue Klasse hinzufügen

Während des Annotierens eine neue Klasse hinzufügen#

Du kannst neue Klassen direkt beim Annotieren erstellen, ohne den Editor zu verlassen:

  1. Zeichne eine Annotation in das Bild
  2. Klicke in der Klassen-Seitenleiste auf Add class (oder gib einen neuen Namen in das Suchfeld der Seitenleiste ein)
  3. Gib den Klassennamen ein
  4. Drücke die Eingabetaste, um die Klasse zu erstellen und zuzuweisen

So kannst du Klassen definieren, sobald du in deinen Daten auf neue Objekttypen stößt.

Einheitliche Klassentabelle

Alle Klassen deines Datensatzes werden in einer einheitlichen Tabelle verwaltet. Änderungen an Klassennamen oder -farben werden automatisch im gesamten Datensatz übernommen.

Klassen bearbeiten#

  • Umbenennen: Klicke auf einen Klassennamen in der Tabelle, um ihn direkt dort zu bearbeiten
  • Farbe ändern: Klicke auf das Farbfeld, um die Farbauswahl zu öffnen
  • Suchen: Verwende das Suchfeld, um Klassen nach Namen zu filtern
  • Sortieren: Klicke auf die Spaltenüberschriften, um nach Index, Name, Anzahl der Annotationen oder Anzahl der Bilder zu sortieren

Klassenfarben#

Jeder Klasse wird eine Farbe aus der Ultralytics-Palette zugewiesen. Du kannst die Farben mit der Farbauswahl auf dem Tab Classes anpassen; die ausgewählten Farben werden im gesamten Datensatz verwendet. Modellexporte übernehmen die aktuellen Klassenfarben des Datensatzes.

Tastenkombinationen#

Beschleunige die Annotation mit Tastenkombinationen:

TastenkombinationAktion
Cmd/Ctrl+SAnmerkungen speichern
Cmd/Ctrl+ZRückgängig
Cmd/Ctrl+YWiederholen
EscapeSpeichern / Auswahl aufheben / Beenden
Delete / BackspaceAusgewählte Anmerkung löschen
Cmd/Ctrl+DeleteBild löschen
HAlle Annotationen ein- oder ausblenden
RBild im Uhrzeigersinn drehen
]Klassen-Seitenleiste ein- oder ausblenden
← / →Vorheriges / nächstes Bild
1-9Klasse 1–9 auswählen
Cmd/Ctrl+ScrollVergrößern/verkleinern
Cmd/Ctrl++ oder Cmd/Ctrl+=Vergrößern
Cmd/Ctrl+-Verkleinern
Cmd/Ctrl+0Ansicht anpassen
Space+Drag oder Ziehen mit der mittleren MaustasteArbeitsfläche verschieben
Shift+ClickMehrere Annotationen auswählen
Cmd/Ctrl+AAlle Annotationen auswählen
Cmd/Ctrl+CAusgewählte Annotationen kopieren
Cmd/Ctrl+XAusgewählte Annotationen ausschneiden
Cmd/Ctrl+VAnnotationen einfügen

Ultralytics Platform – Dialogfeld mit Tastenkombinationen für die Annotation

Alle Tastenkombinationen anzeigen

Klicke in der Annotationssymbolleiste auf das Tastatursymbol, um die Übersicht der Tastenkombinationen zu öffnen.

Rückgängig machen/Wiederholen#

Der Annotationseditor speichert den vollständigen Verlauf zum Rückgängigmachen und Wiederholen:

  • Rückgängig machen: Cmd/Ctrl+Z
  • Wiederholen: Cmd/Ctrl+Y

Der Verlauf umfasst:

  • Annotationen hinzufügen (einzeln und in Gruppen)
  • Annotationen bearbeiten (verschieben, Größe ändern, drehen)
  • Annotationen löschen (einzeln und in Gruppen)
  • Klassen ändern (einzeln und in Gruppen)
  • Annotationen neu anordnen (Z-Reihenfolge)
  • Polygonpunkte bearbeiten (hinzufügen, entfernen, verschieben)
  • Schlüsselpunkte verschieben
Unbegrenzt rückgängig machen

Der Verlauf zum Rückgängigmachen ist nicht begrenzt – du kannst alle Änderungen rückgängig machen, die du seit dem Öffnen des Bildes vorgenommen hast.

Annotationen speichern#

Änderungen werden automatisch eine Sekunde nach der letzten Bearbeitung einer Annotation gespeichert. Sie werden auch gespeichert, wenn du zu einem anderen Bild wechselst oder den Vollbildeditor schließt.

  • Jetzt speichern: Klicke auf die Schaltfläche zum Speichern oder drücke Cmd/Ctrl+S
  • Schließen: Klicke auf die Schaltfläche zum Schließen, außerhalb des Bildes oder drücke Escape; beim Schließen werden ausstehende Änderungen im Hintergrund gespeichert
Arbeit speichern

Warte, bis der Status Saving... oder Unsaved in der Bildinformationsleiste erlischt, bevor du den Browser-Tab schließt. Du kannst jederzeit manuell über die Schaltfläche zum Speichern oder mit Cmd/Ctrl+S speichern.

Häufig gestellte Fragen#

  • SAM erstellt hochwertige Masken für die meisten Objekte. Die Genauigkeit hängt von folgenden Faktoren ab:

    • Wie deutlich sich das Objekt vom Hintergrund abhebt
    • Bildqualität und Auflösung
    • Anzahl der angegebenen positiven und negativen Punkte

    Für optimale Ergebnisse klicke zuerst auf die Mitte des Objekts und anschließend außerhalb der Maske, um weitere Bereiche einzuschließen, oder innerhalb der Maske, um nahe gelegene Objekte oder den Hintergrund auszuschließen.

  • Ja. Lade deinen Datensatz mit Beschriftungsdateien im YOLO-Format, COCO-JSON-Annotationsdateien, LabelMe-JSON-Dateien oder einem Ultralytics-NDJSON- oder Labelbox-NDJSON-Export hoch. Die Plattform verarbeitet die Dateien und zeigt die Annotationen im Editor an. Pascal-VOC-XML-Beschriftungen werden nicht importiert – wandle sie zuerst in YOLO oder COCO um. Weitere Informationen findest du unter Datensatz vorbereiten.

  • Nachdem du eine Annotation gezeichnet hast:

    1. Lass dieselbe Klasse ausgewählt
    2. Zeichne die nächste Annotation
    3. Wiederhole den Vorgang, bis alle Objekte beschriftet sind

    Mit der Tastenkombination 1-9 kannst du schnell Klassen auswählen.

  • Ja, aber für optimale Ergebnisse:

    • Beschrifte alle Objekte deiner Zielklassen in jedem Bild
    • Verwende den Filter Annotations, der auf Unannotated gesetzt ist, um Bilder zu finden, die noch annotiert werden müssen
  • SAM 3.1 ist das Standardmodell und das Modell der neuesten Generation – beginne damit, wenn du die hochwertigsten Masken möchtest. SAM 3 ist weiterhin verfügbar. Wechsle zu SAM 2.1 Small, wenn du bei gängigen Objekten schneller interaktiv arbeiten möchtest, oder zu SAM 2.1 Large, wenn du bei komplexen Formen präzisere Masken benötigst. Verwende SAM 2.1 Tiny für maximale Geschwindigkeit bei einfachen Objekten mit hohem Kontrast.

  • Die intelligente SAM-Annotation ist für die Aufgaben detect, segment, semantic und OBB verfügbar. Bei Pose-Datensätzen führt der Modus Smart nur die intelligente YOLO-Annotation aus. Für die Klassifizierung ist nur die manuelle Annotation verfügbar. Bei Datensätzen im Cloud-Speicher müssen KI-Funktionen aktiviert sein. Bei On-Premise-Datensätzen und Datensätzen mit mehr als drei Bildkanälen ist die Funktion nicht verfügbar.

  • Ja. Verwende auf der Datensatzseite unter Weitere Aktionen > Batch-Annotation die Batch-Annotation. Sie führt ein Modell für den gesamten Datensatz aus: ein offizielles YOLO-Modell, eines deiner selbst trainierten oder hochgeladenen Modelle aus My Models oder – auf Erkennungsdatensätzen mit 1–200 Klassen – ein klassenabfragegesteuertes Modell wie SAM 3.1 Text, das deine Klassennamen erkennt. Standardmäßig werden nur nicht annotierte Bilder annotiert; vorhandene Labels bleiben erhalten und zuerst wird eine Datensatzversion gespeichert, sodass du sie wiederherstellen kannst. Die Kosten betragen 1,00 $ pro 1.000 verarbeitete Bilder (mindestens 0,01 $); kostenpflichtige Anbietermodelle werden zusätzlich vom jeweiligen Anbieter abgerechnet. Die Batch-Annotation funktioniert mit auf der Platform gehosteten Datensätzen mit bis zu drei Bildkanälen und ist für Tiefenmessung nicht verfügbar. Um Objekte zu finden, die bereits von dir gezeichneten Objekten ähneln, verwende Ähnliche annotieren und klicke auf Alle annotieren.

  • Ja. Bei Erkennungsdatensätzen mit 1–200 Klassen können die intelligente Annotation und Batch Annotation kostenpflichtige Bildverarbeitungsmodelle wie Gemini 4 Argon, GPT-6.1 Sol, GPT-6 Astra, Claude Opus 5.5 und Claude Fable 5.2 mit deinem eigenen Anbieterschlüssel aus Settings > API Keys ausführen. Wähle das Modell unter seinem Anbieter im Modellauswahlmenü aus und klicke auf Predict; der Anbieter berechnet jede Vorhersage über deinen Schlüssel. Im Abschnitt class-prompted models sind alle Modelle aufgeführt, die ohne Early Access verfügbar sind.

  • Das VLM-Leaderboard ordnet Modelle mit Klassen-Prompts nach mAP50 und vergleicht ihre Kosten und Geschwindigkeit anhand von 360 Bildern aus 36 realen Erkennungsdatensätzen aus den Bereichen Medizin, Luftaufnahmen, Industrie, Einzelhandel und Alltagsszenen. In den Ergebnissen vom November 2026 waren führende kostenpflichtige Modelle wie Gemini 4 Carbon (gemini-4-carbon), GPT-6.1 Terra, Gemini 4 Hydrogen (gemini-4-hydrogen), Claude Fable 5.2 und Gemini 4 Argon am genauesten; Claude Haiku 5.5 (claude-haiku-5-5) und Muse Ember 1.0 (muse-ember-1.0) waren die genauesten kostengünstigen Modelle; und Qwen3.8 27B, WeVisOne-VL 4B und Gemma 4 26B waren die genauesten gehosteten Modelle, für die kein Anbieterschlüssel erforderlich ist. Die Genauigkeit hängt stark vom Einsatzbereich ab: Modelle, die auf Alltagsfotos fast alle Objekte finden, übersehen viele Objekte auf Leiterplatten-, Röntgen-, Einzelhandels- und Verkehrsbildern sowie in einigen medizinischen Datensätzen. Führe daher einige Vorhersagen mit deinen eigenen Bildern aus, bevor du mit der Stapelannotation beginnst.

  • Öffne die Auswahl für Skelettvorlagen und wähle Neue Vorlage..., um den Vorlageneditor zu öffnen. Platziere und benenne Schlüsselpunkte, zeichne Verbindungen und speichere die Vorlage. Eigene Vorlagen werden im Arbeitsbereich des Datensatzes gespeichert und stehen für alle zugehörigen Pose-Datensätze zur Verfügung.

  • Klicke in der Annotationssymbolleiste auf das Dropdown-Menü zur Vorlagenauswahl. Wähle eine integrierte Vorlage (Person, Hand, Hund, Gesicht, Box) oder eine deiner gespeicherten eigenen Vorlagen aus. Die ausgewählte Vorlage bestimmt, welche Schlüsselpunkte beim Klicken auf das Bild platziert werden.

  • Wähle eine oder mehrere Annotationen aus und drücke Cmd/Ctrl+C, um sie zu kopieren (oder Cmd/Ctrl+X, um sie auszuschneiden). Wechsle mit den Pfeiltasten oder der Miniaturbildleiste zu einem anderen Bild und drücke Cmd/Ctrl+V, um die Annotationen einzufügen. Die Zwischenablage bleibt erhalten, solange der Vollbildeditor geöffnet ist.

Kommentare6

Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.

  1. 앙시모사우루스

    Are smart tools like SAM3 free of charge without any limitations?
    And is there a way to run models like SAM3 directly using a local GPU?

    1. Glenn JocherUltralytics

      Yes, the free plan includes smart annotation, but it isn’t unlimited; plan-specific usage limits are covered on the pricing page, and yes, SAM 3 can also be run locally on your own GPU outside the browser once you have the required weights, as shown in the SAM 3 docs and the Platform annotation guide—feel free to post any follow-up here so the Ultralytics team can see it.

    2. 앙시모사우루스

      Thank you for your reply. I just downloaded the sam3.pt file. Are you saying that I can run this model directly on my GPU on the Ultralytics Platform? Or is it not available on the Ultralytics Platform, and do I have to use the sam3.pt model in an external tool? What I want is to run sam3.pt directly on my GPU while using the basic labeling function of the 'Ultralytics Platform'. The 'Ultralytics Platform' is awesome.

    3. Glenn JocherUltralytics

      Thanks, glad it’s been helpful. Based on the current docs, remote training is the only local-hardware workflow documented in Ultralytics Platform, while the Annotation Editor lists SAM 3 as a built-in smart-annotation option but does not document running that editor on your own GPU, so if you want to use your downloaded sam3.pt on a local GPU today, that would be outside the Platform UI using the flow in the SAM 3 docs. (docs.ultralytics.com)

  2. COChinbayar Odkhuu

    I’m using Smart Annotation and there’s a Predict button. I already trained my own model and want to use it on another dataset, but I want to lower the confidence threshold so I can also see weaker or incorrect auto-predictions for review. Is there any confidence slider or toggle where I can adjust this?

    1. Murat Raimbekov

      hi @chinba-sudo ! that sounds like a good feature request, our team is already working on configurable confidence, I will ping you when it's live