Unternehmensbereite Sicherheit: ISO 27001 + SOC 2 Type I konform.

Link to this sectionLabelMe-Annotationen in YOLO und die Ultralytics Platform exportieren#

LabelMe is an offline image annotation tool with an open-source Python application. There is no live LabelMe connection or API key to configure in Ultralytics Platform. The complete integration is a local workflow: annotate in LabelMe, convert the LabelMe JSON annotations to YOLO format with the LabelMe Toolkit, and upload the resulting ZIP as a Platform dataset.

Link to this section1. Die Bilder in LabelMe annotieren#

Installiere LabelMe über die Desktop-App oder das Open-Source-Python-Paket und öffne dann das Verzeichnis mit deinen Bildern. LabelMe speichert die Anmerkungen jedes Bildes in einer entsprechenden JSON-Datei.

Zeichne für den YOLO-Erkennungs-Workflow in diesem Leitfaden Rechtecke um jedes Objekt und weise einen Klassennamen zu. Der LabelMe-Leitfaden für den Einstieg behandelt das Öffnen von Bildern, das Zeichnen von Formen und das Speichern von Anmerkungen, während der LabelMe-Datensatz-Leitfaden das Überprüfen und Vorbereiten eines vollständigen annotierten Datensatzes beschreibt.

Dein Quellverzeichnis sollte die Bilder und LabelMe-JSON-Dateien enthalten:

your_dataset/
├── image_001.jpg
├── image_001.json
├── image_002.jpg
└── image_002.json

Link to this section2. Das LabelMe Toolkit installieren#

Installiere das LabelMe Toolkit, indem du der Toolkit-Installationsanleitung von LabelMe folgst. Das Toolkit und seine Exporte werden lokal ausgeführt.

LabelMe Pro ist für den Export erforderlich

export-to-yolo ist Teil des LabelMe Pro Toolkit, und das Herunterladen des Installers erfordert eine Anmeldung bei LabelMe. Dies ist eine Produktanforderung von LabelMe; die resultierende ZIP-Datei kann in jedem Plattform-Tarif hochgeladen werden.

Überprüfe die Installation und liste dann jedes im Quelldatensatz gefundene Label auf:

labelmetk --version
labelmetk list-labels your_dataset/

Überprüfe die Ausgabe vor dem Export. In --class-names weggelassene Labels werden übersprungen, und die von dir bereitgestellte Reihenfolge wird zur YOLO-Klassen-ID-Reihenfolge.

Link to this section3. In das YOLO-Format exportieren#

Führe export-to-yolo mit dem Quellverzeichnis und einer durch Kommas getrennten Liste von Klassennamen aus:

labelmetk export-to-yolo your_dataset/ --class-names crack,normal

Ersetze crack,normal durch die von list-labels zurückgegebenen Labels. LabelMe schreibt das Ergebnis in your_dataset.export/:

your_dataset.export/
├── classes.txt
├── images/
│   ├── image_001.jpg
│   └── image_002.jpg
└── labels/
    ├── image_001.txt
    └── image_002.txt

classes.txt bewahrt die Klassennamen in derselben Reihenfolge auf, die von den YOLO-Label-Dateien verwendet wird. Behalte sie im Stammverzeichnis des Exports bei.

Dieser Workflow erstellt einen Erkennungsdatensatz

Das LabelMe Toolkit exportiert Rechtecke als YOLO-Bounding-Boxen. Es reduziert außerdem Polygone und Masken auf ihre achsenausgerichteten Bounding-Boxen, sodass export-to-yolo keine Segmentierungsgeometrie beibehält. Zeichne Rechtecke, wenn du einen Erkennungsdatensatz mit diesem Workflow vorbereitest.

Link to this section4. Das ZIP-Archiv erstellen#

Komprimiere die Inhalte von your_dataset.export/ und nicht das Verzeichnis darum herum. Unter macOS oder Linux:

cd your_dataset.export
zip -r ../your_dataset.zip classes.txt images labels

Unter Windows PowerShell:

Compress-Archive -Path .\your_dataset.export\* -DestinationPath .\your_dataset.zip

Öffne die ZIP-Datei vor dem Hochladen und bestätige, dass sich classes.txt, images/ und labels/ an ihrem Stammverzeichnis befinden. Ein zusätzlicher your_dataset.export/-Wrapper verhindert, dass die Platform die Stammklassenliste findet.

Link to this section5. Auf die Ultralytics Platform hochladen#

  1. Öffne Settings > Integrations > LabelMe.
  2. Klicke auf Upload export.
  3. Lade your_dataset.zip hoch und schließe das Erstellen des Datensatzes ab.
  4. Warte, bis die Verarbeitung abgeschlossen ist, und überprüfe dann die Bilder, Klassen und Anmerkungen.
  5. Bearbeite die Anmerkungen, trainiere ein Modell und stelle es bereit aus demselben Arbeitsbereich.

LabelMe und der YOLO-Export bleiben vollständig offline. Nur die ZIP-Datei, die du im Upload-Dialog auswählst, wird an die Platform gesendet.

Link to this sectionFehlerbehebung#

  • Klassen heißen class0, class1 usw.: Stelle sicher, dass classes.txt im Stammverzeichnis der ZIP-Datei vorhanden ist.
  • Einige Anmerkungen fehlen: Führe labelmetk list-labels your_dataset/ erneut aus und füge jedes erforderliche Label in --class-names ein.
  • Polygone wurden zu Boxen: Dies ist das dokumentierte Verhalten von LabelMe export-to-yolo; es konvertiert Nicht-Rechteck-Formen in Bounding-Boxen.
  • Der Datensatz enthält keine Bilder: Stelle sicher, dass das exportierte images/-Verzeichnis in der ZIP-Datei enthalten ist.
  • Die Platform kann die Klassen nicht finden: Entferne alle äußeren Verzeichnisse aus dem Archiv, sodass classes.txt, images/ und labels/ die Einträge der obersten Ebene sind.

Den vollständigen lokalen Workflow findest du im YOLO-Trainingsleitfaden und in der export-to-yolo-Referenz von LabelMe.

Mitwirkende
GLglenn-jocher1

Kommentare