Labelbox-Integration#

Die Ultralytics Platform liest NDJSON-Exporte aus Labelbox direkt ein. Du musst keinen Schlüssel einfügen, keine Verbindung aufrechterhalten und kein Konvertierungsskript pflegen – exportiere aus Labelbox, lade die Datei hoch, und deine Beschriftungen kommen als normaler Platform-Datensatz an.

Aus Labelbox importieren#

1. Aus Labelbox exportieren. Öffne das Beschriftungsprojekt oder den Katalog, den du importieren möchtest, und wechsle zum Tab Datenzeilen. Wähle Alle aus, klicke auf Daten exportieren, wähle die einzuschließenden Felder aus und bestätige. Exportierst du aus dem Katalog statt aus einem Projekt? Aktiviere Beschriftungen aus Projekt exportieren und wähle das Projekt aus, sonst enthält die Datei überhaupt keine Annotationen.
2. Datei herunterladen. Labelbox führt den Export als Hintergrundauftrag aus. Suche unter Benachrichtigungen danach und klicke auf Herunterladen, sobald der Vorgang abgeschlossen ist, um die Datei .ndjson zu speichern.
3. In Platform hochladen. Erstelle einen neuen Datensatz und lade die Datei .ndjson hoch oder füge einen direkten Link darauf ein. Du kannst auch über Einstellungen > Integrationen > Labelbox beginnen.
4. Trainieren. Sobald die Verarbeitung abgeschlossen ist, bearbeite die Annotationen und trainiere genau wie bei jedem anderen Platform-Datensatz.

Anders als bei CVAT und Label Studio musst du kein Format auswählen – der eigene Export von Labelbox ist das unterstützte Format.

Mit dem SDK exportieren#

Labelbox bietet die Exportaufgabe auch in seinem Python SDK an, was der einfachere Weg für eine wiederholbare Pipeline ist. Streame die Aufgabe und schreibe ein JSON-Objekt pro Zeile:

import json

import labelbox

client = labelbox.Client(api_key="YOUR_LABELBOX_API_KEY")
export_task = labelbox.ExportTask.get_task(client, "YOUR_EXPORT_TASK_ID")
export_task.wait_till_done()  # streaming a task that isn't COMPLETE raises

with open("dataset.ndjson", "w") as f:
    f.writelines(json.dumps(data_row.json) + "\n" for data_row in export_task.get_buffered_stream())

Was importiert wird#

Platform erkennt das Labelbox-Format automatisch und ordnet Begrenzungsrahmen und Polygone dem passenden YOLO-Aufgabentyp zu:

Das name jedes Objekts wird zum Klassennamen – eine "name": "Dog"-Annotation wird also als Klasse Dog importiert, nicht als ihr kleingeschriebenes value – und die Pixelkoordinaten werden anhand der media_attributes-Abmessungen im Export normalisiert. Jedes Bild wird nach seinem data_row.external_id benannt. Fehlt im Export eine externe ID, wird stattdessen der Dateiname aus der signierten URL verwendet. Ein Katalogexport ohne Annotationen wird als nicht beschrifteter Bilddatensatz importiert, der in Platform im Annotationseditor beschriftet werden kann.

Eine einzelne Datenzeile sieht, gekürzt auf die von Platform gelesenen Felder, so aus:

{
    "data_row": {
        "external_id": "000000000307.jpg",
        "row_data": "https://storage.labelbox.com/...?Expires=...&Signature=..."
    },
    "media_attributes": { "height": 480, "width": 640, "mime_type": "image/jpeg" },
    "projects": {
        "<project-id>": {
            "labels": [
                {
                    "annotations": {
                        "objects": [
                            {
                                "name": "Dog",
                                "annotation_kind": "ImageBoundingBox",
                                "bounding_box": { "top": 200.0, "left": 407.0, "height": 172.0, "width": 176.0 }
                            }
                        ]
                    }
                }
            ]
        }
    }
}

Alles andere im Export – embeddings, metadata_fields, attachments, project_details – wird ignoriert. Es lohnt sich, die Einbettungen beim Export abzuwählen: In einem Beispiel-Export machten sie etwa vier Fünftel der Datei aus, während die von Platform tatsächlich gelesenen Felder ein Fünftel belegten.