CVAT-Integration#
Direkte CVAT-Importe kommen in die Ultralytics Platform, damit sich ein Bild-Erkennungs- oder Segmentierungsexport aus CVAT ohne Auswahl eines Formats unverändert hochladen lässt.
Bis dahin gibt es einen kurzen Weg, der schon heute funktioniert, da CVAT bereits im Ultralytics-YOLO-Format exportiert, das die Platform lesen kann.
Jetzt aus CVAT importieren#
- Aus CVAT exportieren. Öffne deine Aufgabe und wähle Aktionen > Aufgabedatensatz exportieren (bei einem Auftrag lautet der Menüpfad Menü > Auftragsdatensatz exportieren).
- Format auswählen. Wähle den Eintrag Ultralytics YOLO, der zu deiner Aufgabe passt – CVAT führt
Ultralytics YOLO Detection 1.0,Ultralytics YOLO Detection Track 1.0,Ultralytics YOLO Segmentation 1.0,Ultralytics YOLO Oriented Bounding Boxes 1.0,Ultralytics YOLO Pose 1.0undUltralytics YOLO Classification 1.0separat auf. - Bilder speichern aktivieren, gib
.zipeinen Namen und klicke auf OK. In CVAT Online ist das Speichern von Bildern eine kostenpflichtige Funktion. Ohne diese Option enthält das Archiv nur Bezeichnungen. Füge daher vor dem Hochladen deine Bilder in einem Ordnerimages/hinzu, der die Ordnerstruktur vonlabels/nachbildet. - Archiv herunterladen. Der Export wird im Hintergrund ausgeführt – lade ihn nach Abschluss über die Seite Anfragen in CVAT herunter.
- Auf die Platform hochladen. Erstelle einen neuen Datensatz aus der ZIP-Datei.
- Trainieren. Bearbeite die Annotationen, trainiere und stelle das Modell bereit, ohne den Arbeitsbereich zu verlassen.
Mit der CLI exportieren#
Die CVAT-CLI exportiert dasselbe Archiv vom Terminal aus:
pip install cvat-cli
cvat-cli project export-dataset --format "Ultralytics YOLO Detection 1.0" --with-images yes 104 dataset.zipErsetze 104 durch deine Projekt-ID und die Formatzeichenfolge durch die zu deiner Aufgabe passende Variante. --with-images yes entspricht in der CLI der Option Bilder speichern. Ohne diese Option enthält das Archiv nur Bezeichnungen. Füge daher vor dem Hochladen einen Ordner images/ hinzu, der die Ordnerstruktur von labels/ nachbildet.
Der Ultralytics-YOLO-Export aus CVAT erzeugt die von der Platform erwartete Ordnerstruktur, sodass nichts konvertiert werden muss:
archive.zip/
├── data.yaml # class names Platform reads
├── images/train/
└── labels/train/Was die einzelnen Exporte enthalten#
Jedes Ultralytics-YOLO-Format schreibt nur die CVAT-Formen, die für die jeweilige Aufgabe geeignet sind. Wähle also das Format passend zu deiner Annotation:
- Erkennung behält Rechtecke bei, überspringt jedoch gedrehte Rechtecke – exportiere diese mit Oriented Bounding Boxes
- Erkennung mit Tracking behält Rechtecke und eine Track-ID bei; die Platform importiert die Rechtecke und ignoriert die Track-ID
- Segmentierung behält Polygone und Masken bei, wandelt Masken in Polygone um und verwirft Rechtecke
- Pose behält nur Skelette bei; einzelne Punkte werden nicht exportiert
- Klassifizierung behält Tags bei; Bilder ohne Tag werden einer Klasse
no_labelzugeordnet
Polylinien werden von keinem dieser Formate geschrieben.
Ein Exportformat auswählen#
CVAT bietet viele Exportformate. Hier sind folgende relevant:
| CVAT-Format | Funktioniert | Hinweise |
|---|---|---|
| Ultralytics YOLO | Am besten | Enthält data.yaml, sodass deine Bezeichnungen unverändert übernommen werden |
| COCO 1.0 | Ja | Wird ebenfalls gelesen; eine Mischung aus Polygonen und Rahmen wird als Segmentierung importiert, reine Rahmen werden verworfen |
| COCO Keypoints 1.0 | Ja | Wird als Pose-Datensatz importiert; die Anzahl der Keypoints richtet sich nach der häufigsten Form |
| YOLO 1.1 | Teilweise | Rahmen werden importiert, die obj.names-Datei jedoch nicht gelesen – Klassen werden als class0, class1, … übernommen |
| CVAT für Bilder | Nein | Die XML-Annotationen werden noch nicht gelesen; dasselbe gilt für CVAT für Video |
Jede COCO-Annotation muss ein bbox enthalten, damit sie gelesen wird. Crowd-Bereiche ("iscrowd": 1) werden übersprungen. CVAT schreibt Masken in COCO als Crowd-Bereiche. Exportiere Masken daher stattdessen mit Ultralytics YOLO Segmentation. Kategorienamen werden zu Klassennamen, und Kategorie-IDs werden über alle JSON-Dateien im Archiv hinweg vereinheitlicht. Daher behalten Exporte einzelner Datensatzaufteilungen konsistente Klassen-IDs. Ein Objekt, das als mehrere Polygone gespeichert ist, wird zu einem Polygon zusammengeführt.
Die Platform liest weder CVAT für Bilder noch CVAT für Video oder Pascal-VOC-XML-Bezeichnungen. Diese Exporte schlagen unauffällig statt deutlich fehl: Die Bilder werden importiert, die Annotationen jedoch nicht. Bei einem Export mit mindestens fünf Bildern werden außerdem Klassen mit den Namen der Bildordner hinzugefügt. Wähle stattdessen Ultralytics YOLO oder COCO.
Was die Integration ermöglichen wird#
Die Integration macht die Auswahl des richtigen Exportformats überflüssig. Sobald sie verfügbar ist, kannst du beliebige CVAT-Formate für die Erkennung und Segmentierung von Bildern exportieren und hochladen. Die Platform ordnet die Annotationen dann automatisch der passenden YOLO-Aufgabe zu.
- Kein Format auszuwählen – CVAT-Exporte für die Bild-Erkennung und -Segmentierung werden einem YOLO-Datensatz zugeordnet, wobei die Bezeichnungen erhalten bleiben
- Ein Arbeitsbereich – Annotation, Training und Bereitstellung erfordern keine getrennten Werkzeuge und kein Konvertierungsskript mehr
- Weiter annotieren – importierte Datensätze lassen sich im Annotationseditor der Platform öffnen, einschließlich intelligenter Annotationen mit SAM
- Sofort trainieren – Datensätze können direkt für das Cloud-Training verwendet werden, sobald ihre Verarbeitung abgeschlossen ist
Häufig gestellte Fragen#
Wähle den Eintrag Ultralytics YOLO, der zu deiner Aufgabe passt, und aktiviere Bilder speichern. Er enthält
data.yaml, sodass die Klassennamen erhalten bleiben. COCO 1.0 und COCO Keypoints 1.0 lassen sich ebenfalls importieren, während YOLO 1.1 die Klassennamen verliert und CVAT XML sowie Pascal VOC ohne Annotationen importiert werden.Die Option Bilder speichern war deaktiviert, oder der CLI-Export wurde ohne
--with-images yesausgeführt. Das Archiv enthält dann nur Labels. Exportiere die Daten erneut mit den Bildern oder füge bei einem CVAT-Online-Tarif ohne „Bilder speichern“ einen Ordnerimages/hinzu, der die Struktur vonlabels/nachbildet.Ja. Verwende
Ultralytics YOLO Segmentation 1.0oderUltralytics YOLO Pose 1.0oder eine der COCO-Varianten. Für Masken brauchst du den Ultralytics-YOLO-Segmentierungsexport, der sie in Polygone umwandelt, und für Pose brauchst du CVAT-Skelette. Ein COCO-Export, der Polygone und Boxen kombiniert, wird als Segmentierungsdatensatz importiert; Annotationen, die nur aus Boxen bestehen, werden dabei verworfen.Du kannst jeden CVAT-Export für Bilddetektion oder Segmentierung unverändert hochladen. Platform ordnet ihn dann selbst der passenden YOLO-Aufgabe zu. Datensätze, die du heute mit dem Ultralytics-YOLO-Export importierst, funktionieren weiterhin unverändert.