Empezar

Editor de anotaciones

Ultralytics Platform incluye un editor de anotaciones para etiquetar imágenes con cajas delimitadoras, polígonos, puntos clave, cajas orientadas y clasificaciones. El editor admite el dibujo manual, la anotación inteligente basada en SAM y las predicciones de modelos YOLO compatibles o, en conjuntos de datos de detección con entre 1 y 200 clases, de modelos guiados por clases: modelos de código abierto alojados o modelos de proveedores de pago.

Barra de herramientas del editor de anotación de Ultralytics Platform con lienzo

Tipos de tareas admitidos#

El editor de anotaciones ofrece herramientas de anotación para 6 tipos de tareas YOLO:

TareaHerramientaFormato de anotación
DetectarRectánguloCuadros delimitadores (x, y, anchura, altura)
SegmentarPolígonoMáscaras precisas a nivel de píxel (vértices del polígono)
SemánticaPolígonoMáscaras de regiones por clase (vértices del polígono)
ClasificarSelector de clasesEtiquetas a nivel de imagen
PosePunto clavePlantillas de esqueleto (persona, mano, perro, cara, cuadro, personalizado)
OBBCuadro orientadoCuadros delimitadores rotados (4 esquinas)
Anotaciones mult tareas

Los 6 tipos de anotación se almacenan conjuntamente en cada imagen. Puedes cambiar el tipo de tarea activo del conjunto de datos sin perder las anotaciones existentes: se conservan y vuelven a aparecer cuando cambias de nuevo.

La verdad de referencia de profundidad es un mapa asociado que se carga, no algo que se dibuje, por lo que el editor se abre en modo de solo lectura en un conjunto de datos de profundidad.

Detalles de las tareas#

Detección de objetos

Qué hace: identifica objetos y sus ubicaciones con cajas delimitadoras alineadas con los ejes.

Formato de etiqueta: class_id center_x center_y width height (todo normalizado de 0 a 1)

Ejemplo: 0 0.5 0.5 0.2 0.3 — Clase 0 centrada en (50 %, 50 %), con una anchura del 20 % y una altura del 30 %

Casos de uso: Recuento de inventario, monitorización del tráfico, detección de fauna y sistemas de seguridad

Segmentación de instancias

Qué hace: crea máscaras con precisión de píxel para cada instancia de objeto.

Formato de etiqueta: class_id x1 y1 x2 y2 x3 y3 ... (vértices del polígono, normalizados de 0 a 1)

Ejemplo: 0 0.1 0.1 0.9 0.1 0.9 0.9 0.1 0.9 — Máscara cuadrilátera

Casos de uso: Diagnóstico por imagen, vehículos autónomos, edición fotográfica y análisis agrícola

Clasificación de imágenes

Qué hace: Asigna una única etiqueta a toda la imagen.

Formato de etiqueta: Basado en carpetas — imágenes organizadas por nombre de clase (train/cats/, train/dogs/)

Casos de uso: Moderación de contenido, control de calidad, diagnóstico médico y reconocimiento de escenas

Estimación de pose

Qué hace: detecta puntos clave del cuerpo para el seguimiento del esqueleto.

Formato de etiqueta: class_id cx cy w h kx1 ky1 v1 kx2 ky2 v2 ...

  • Indicadores de visibilidad: 0=no etiquetado, 1=etiquetado pero ocluido, 2=etiquetado y visible

Ejemplo: 0 0.5 0.5 0.2 0.3 0.6 0.7 2 0.4 0.8 1 — Persona con 2 puntos clave

Casos de uso: Análisis deportivo, fisioterapia, animación y reconocimiento de gestos

Cuadro delimitador orientado (OBB)

Qué hace: Detecta objetos rotados mediante cuadros delimitadores que tienen en cuenta el ángulo.

Formato de etiqueta: class_id x1 y1 x2 y2 x3 y3 x4 y4 (cuatro puntos de esquina, normalizados)

Ejemplo: 0 0.1 0.1 0.9 0.1 0.9 0.9 0.1 0.9 — Rectángulo rotado

Casos de uso: Imágenes aéreas, análisis de documentos, inspección de fabricación y detección de barcos

Primeros pasos#

Para anotar imágenes:

  1. Ve a tu conjunto de datos
  2. Haz clic una vez en una imagen para abrir el editor de anotaciones a pantalla completa
  3. Usa el modo predeterminado Draw o cambia a Smart cuando esté disponible
  4. Selecciona una clase y añade o ajusta anotaciones directamente en la imagen
  5. Continúa con otra imagen o cierra el editor; los cambios se guardan automáticamente después de cada edición

En los conjuntos de datos que puedes editar, los controles de anotación están activos en cuanto se abre el visor a pantalla completa en el ordenador. No hay un modo de edición independiente ni un botón Edit. En móviles y cuando no tienes acceso de edición, el visor es de solo lectura.

Editor de anotación a pantalla completa de Ultralytics Platform con barra de herramientas

Modos de anotación#

Draw es el modo predeterminado para las tareas de anotación espacial. En los conjuntos de datos de detección, segmentación, semántica, pose y OBB, la barra de herramientas también ofrece el modo Smart cuando está disponible la anotación inteligente:

ModoDescripciónAtajo
DibujarModo manual predeterminado con herramientas de dibujo específicas para cada tareaV
InteligenteAnotación asistida por modelos con SAM en conjuntos de datos de detección, segmentación, semántica y OBB; con modelos YOLO en estos conjuntos y en los de pose; o con modelos guiados por clases (modelos de código abierto alojados o modelos de proveedores de pago) en conjuntos de datos de detección con entre 1 y 200 clasesS

La anotación de pose usa Draw con una plantilla de esqueleto; su modo Smart solo ofrece modelos YOLO de pose, sin selector de SAM ni opción de aplicación automática. La clasificación usa directamente la barra lateral de clases y no muestra ninguna barra de herramientas de dibujo ni el botón Smart.

La anotación inteligente necesita tener activadas las funciones de IA para los conjuntos de datos en almacenamiento en la nube, y no está disponible para los conjuntos de datos en instalaciones locales ni para los que tienen más de tres canales de imagen.

El editor recuerda en el navegador el modo, el modelo y la opción de aplicación automática que hayas elegido para cada conjunto de datos.

Herramientas del modo de dibujo#

Caja delimitadora (detección)#

Dibuja cajas rectangulares alrededor de los objetos:

  1. Selecciona una clase en la barra lateral de clases
  2. En el modo predeterminado Draw, haz clic y arrastra para dibujar un rectángulo
  3. Suelta el botón para completar la caja

Dibujo de caja delimitadora para detección en Ultralytics Platform

Cambiar el tamaño y mover
  • Arrastra los 8 controles de las esquinas o los bordes para cambiar el tamaño
  • Arrastra el centro para moverla
  • Pulsa Delete o Backspace para eliminar la anotación seleccionada

Polígono (segmentación)#

Dibuja máscaras poligonales precisas:

  1. Selecciona una clase en la barra lateral de clases
  2. En el modo predeterminado Draw, haz clic para añadir vértices o mantén pulsado Shift y mueve el ratón para dibujar a mano alzada con puntos densos
  3. Haz doble clic, haz clic en el primer vértice o pulsa Enter o Escape para cerrar el polígono

Mientras dibujas, pulsa Z para eliminar el último vértice o Delete para descartar el polígono.

Vértices de polígono de segmentación en Ultralytics Platform

Editar vértices
  • Arrastra vértices individuales para ajustarlos
  • Arrastra el polígono completo para moverlo
  • Haz clic en un borde del polígono seleccionado o arrástralo para insertar un vértice
  • Haz clic con el botón derecho en un vértice y elige Eliminar punto (los polígonos deben tener al menos 3 vértices), o haz clic con el botón derecho en un borde y elige Añadir punto

Punto clave (pose)#

Anota poses mediante plantillas de esqueleto. Selecciona una plantilla en la barra de herramientas, haz clic una vez para colocar todos los puntos clave y, después, arrastra cada punto clave para ajustar su posición.

  1. Selecciona una clase en la barra lateral de clases
  2. En el modo predeterminado Draw, elige una plantilla de esqueleto en el selector de plantillas de la barra de herramientas
  3. Haz clic en la imagen para colocar todos los puntos clave a la vez
  4. Arrastra puntos clave individuales para ajustar sus posiciones

Desplegable de plantillas de pose en Ultralytics Platform

Plantillas de esqueleto integradas#

El editor incluye 5 plantillas integradas:

PlantillaPuntos claveDescripción
Persona17Pose del cuerpo humano de COCO — nariz, ojos, orejas, hombros, codos, muñecas, caderas, rodillas y tobillos
Mano21Puntos clave de la mano de Ultralytics — articulaciones de la muñeca, el pulgar, el índice, el corazón, el anular y el meñique
Perro18Pose animal de AP-10K — nariz, cabeza, cuello, hombros, base de la cola, cola y 4 patas (codos, rodillas y patas)
Cara68Puntos de referencia faciales de iBUG 300W — mandíbula, cejas, nariz, ojos y boca
Caja4Puntos clave de las esquinas — superior izquierda, superior derecha, inferior derecha e inferior izquierda

Esqueleto de puntos clave de pose en Ultralytics Platform

Plantillas de esqueleto personalizadas#

Crea plantillas personalizadas para cualquier estructura de pose:

  1. Abre el selector de plantillas en la barra de herramientas y elige Nueva plantilla...
  2. Si quieres, haz clic en Empezar desde... para cargar puntos clave y conexiones de una plantilla existente y usarla como punto de partida
  3. Coloca puntos clave en el lienzo haciendo clic
  4. Asigna un nombre a cada punto clave y personaliza los colores
  5. Conecta puntos clave seleccionando dos puntos (las conexiones se dibujan automáticamente al colocar puntos clave en secuencia)
  6. Guarda la plantilla para reutilizarla en todo el conjunto de datos

Plantilla de pose personalizada en Ultralytics Platform

Las plantillas personalizadas se guardan en el espacio de trabajo del conjunto de datos y están disponibles en todos sus conjuntos de datos de pose. Puedes editarlas o eliminarlas desde el selector de plantillas.

Flujo de trabajo de las plantillas

El sistema de plantillas sustituye la colocación manual y secuencial de puntos clave. En lugar de hacer clic 17 veces para crear un esqueleto COCO, selecciona la plantilla Persona y haz clic una vez: se colocarán todos los puntos clave con la distribución correcta del esqueleto. Después, arrástralos para ajustar sus posiciones a la pose concreta.

Visibilidad de los puntos clave

Cada punto clave tiene un indicador de visibilidad: 0 = sin etiquetar, 1 = etiquetado pero ocluido, 2 = etiquetado y visible. Los puntos clave que coloques se etiquetan como visibles (2). Haz clic con el botón derecho en un punto clave y elige Ocultar punto para marcarlo como sin etiquetar (0), o haz clic con el botón derecho en la pose y elige Restablecer visibilidad para volver a mostrar sus puntos clave ocultos. Las etiquetas importadas conservan sus indicadores de visibilidad.

Caja delimitadora orientada (OBB)#

Dibuja cajas giradas para objetos en ángulo:

  1. Selecciona una clase en la barra lateral de clases
  2. En el modo predeterminado Draw, haz clic y arrastra para dibujar una caja inicial
  3. Usa el control de rotación para ajustar el ángulo
  4. Arrastra los controles de las esquinas para cambiar el tamaño

Caja girada OBB en Ultralytics Platform

Clasificación (clasificar)#

Asigna etiquetas de clase a nivel de imagen:

  1. Haz clic en una imagen para abrir el editor a pantalla completa
  2. Selecciona una clase en la barra lateral de clases o pulsa una tecla numérica del 1-9

Panel lateral de clasificación en Ultralytics Platform

Anotación inteligente#

La anotación inteligente añade anotación asistida por modelos al editor. En el modo inteligente, puedes usar Segment Anything Model (SAM) para realizar anotaciones mediante clics o usar modelos Ultralytics YOLO preentrenados y tus propios modelos YOLO ajustados para añadir predicciones como anotaciones. En conjuntos de datos de detección con entre 1 y 200 clases, el selector también ofrece modelos guiados por clases que detectan las clases del conjunto de datos: nueve modelos de código abierto alojados (y otro más con Acceso anticipado activado), SAM 3 y SAM 3.1 alojados y guiados por texto, y modelos de visión de pago de doce proveedores. La anotación inteligente con SAM está disponible para las tareas detect, segment, semantic y OBB; la anotación inteligente con YOLO también incluye pose.

Las predicciones de los modelos nunca sustituyen a tus etiquetas: se omite una predicción que se solape con una anotación existente de la misma clase por encima del ajuste de IoU de la predicción (valor predeterminado 0.5, que también se aplica cuando los modelos guiados por clases ocultan el ajuste). Anotación por lotes aplica la misma regla a las imágenes que ya tienen etiquetas.

Anotación inteligente con SAM#

Con un modelo SAM seleccionado:

  1. Selecciona Smart o pulsa S
  2. Haz clic en el objeto que quieras anotar: SAM genera una máscara inicial en tiempo real.
  3. Perfecciona la máscara con clics adicionales: haz clic fuera de la máscara actual para ampliar la cobertura o haz clic dentro de la máscara actual para restar regiones
  4. Pulsa Enter o Escape para guardar la anotación, o activa aplicación automática para usar un flujo de trabajo con un solo clic

Máscara de puntos positivos y negativos de SAM en Ultralytics Platform

Consejos para SAM
  • Empieza haciendo clic en el centro del objeto
  • Vuelve a hacer clic fuera de la máscara para ampliar la cobertura
  • Haz clic dentro de la máscara para restar las regiones no deseadas
  • Activa aplicación automática (A) para anotar con un solo clic
  • Mantén pulsado Shift mientras la aplicación automática esté activada para colocar varios puntos antes de aplicar la máscara
  • Ofrece mejores resultados con objetos diferenciados y bordes nítidos
  • Usa unos cuantos clics de ajuste para objetos alargados o superpuestos

La anotación inteligente con SAM puede generar:

  • Polígonos para tareas de segmentación
  • Cajas delimitadoras para tareas de detección
  • Cajas orientadas para tareas OBB
Compatibilidad de SAM con las tareas

La anotación inteligente con SAM solo está disponible para las tareas detect, segment, semantic y OBB. Los conjuntos de datos de pose usan la anotación inteligente de YOLO, mientras que la clasificación requiere anotación manual.

Modo de aplicación automática#

El modo de aplicación automática agiliza la anotación inteligente al guardar automáticamente la máscara de SAM después de cada clic, sin necesidad de pulsar Enter. Actívalo o desactívalo con el botón de aplicación automática de la barra de herramientas o pulsa A.

ModoComportamiento
Aplicación automática ACTIVADALa máscara se aplica automáticamente después de cada clic
Aplicación automática ACTIVADA + ShiftColoca primero varios puntos; la máscara se aplica al soltar
Aplicación automática DESACTIVADA (valor predeterminado)Coloca puntos libremente y pulsa Enter para aplicar

Selector de aplicación automática de SAM en la anotación de Ultralytics Platform

Cuándo usar la aplicación automática

La aplicación automática es ideal para conjuntos de datos con objetos bien separados, donde un solo clic genera una máscara precisa. Para objetos complejos o superpuestos, desactiva la aplicación automática y usa varios puntos positivos o negativos para ajustar la máscara antes de guardarla.

Selección del modelo SAM#

Cuando el modo inteligente está activo, aparece un selector de modelos en la barra de herramientas. Hay seis modelos SAM disponibles: elige uno según el equilibrio entre velocidad y precisión que mejor se adapte a tu conjunto de datos:

ModeloParámetrosVelocidadNotas
SAM 2.1 Tiny0.04BEl más rápido
SAM 2.1 Small0.05BRápido
SAM 2.1 Base0.08BModerado
SAM 2.1 Large0.22BMás lentoEl más preciso de SAM 2.1
SAM 30.86BEl más lento
SAM 3.10.87BEl más lentoPredeterminado, última generación

Selector de modelos SAM en la anotación de Ultralytics Platform

Si cambias de modelo mientras el modo inteligente está activo, el predictor se vuelve a inicializar automáticamente para la imagen actual.

Anotación inteligente de YOLO#

Con un modelo YOLO seleccionado, la anotación inteligente puede añadir predicciones de modelos preentrenados de Ultralytics o de tus propios modelos ajustados.

  1. Selecciona Smart o pulsa S
  2. Selecciona un modelo YOLO en el selector de modelos de la barra de herramientas (Models o My Models)
  3. Haz clic en Predict
  4. Revisa las anotaciones añadidas y haz los cambios que necesites

Modelo YOLO para anotación inteligente de Ultralytics Platform

Notas sobre los modelos YOLO
  • El selector de modelos muestra los modelos que coinciden con la tarea del conjunto de datos actual; por ejemplo, en un conjunto de datos de pose se ofrecen modelos de pose. En los conjuntos de datos de detección y segmentación también se muestran los modelos de la otra tarea, pero desactivados.
  • Si las clases del modelo difieren de las del conjunto de datos, un cuadro de diálogo Asignar clases permite asignar cada clase del modelo a una clase del conjunto de datos u omitirla. Si el conjunto de datos no tiene clases, el cuadro de diálogo las crea.
  • Cada predicción incluye hasta 1.000 objetos (300 en los modelos RT-DETR), y la anotación por lotes con un modelo YOLO utiliza el mismo límite.

Anotación inteligente guiada por clases#

En un conjunto de datos de detección con entre 1 y 200 clases, selecciona un modelo con indicaciones de clase y haz clic en Predict (o pulsa P): detecta las clases del conjunto de datos en toda la imagen con umbrales específicos del modelo y añade cajas editables que puedes revisar y guardar igual que las predicciones de YOLO. Estos modelos no devuelven puntuaciones de confianza, por lo que los ajustes de predicción (confianza e IoU) permanecen ocultos mientras haya uno seleccionado.

Los modelos alojados se ejecutan en Ultralytics Platform sin necesidad de una clave del proveedor:

ModeloProyecto del selectorParámetros
Moondream 3.1Modelos de código abierto9B
Gemma 4 26BModelos de código abierto26B
Qwen3.8 27BModelos de código abierto27B
Nemotron 3 Nano OmniModelos de código abierto30B
WeVisOne-VL 4BModelos de código abierto4B
YOLOE-26xModelos de código abierto0.09B
Florence-2 LargeModelos de código abierto0.78B
OWLv2 LargeModelos de código abierto0.44B
Grounding DINO BaseModelos de código abierto0.23B
SAM 3 TextMeta0.86B
SAM 3.1 TextMeta0.87B

Los modelos de visión de pago de OpenAI (incluidos GPT-6 Astra y GPT-6.1 Sol), Anthropic (incluidos Claude Fable 5.2 y Claude Opus 5.5), Google (incluidos Gemini 4 Argon, Gemini 4 Carbon y Gemini 4 Hydrogen), Meta, SpaceXAI, DeepSeek, Z.ai, Kimi, Xiaomi MiMo, Alibaba, MiniMax y Tencent (incluido Hy4) aparecen en el proyecto de cada proveedor, dentro del selector:

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

Un modelo de un proveedor de pago se ejecuta con la clave del proveedor guardada en el Configuración > Claves de API del espacio de trabajo del conjunto de datos; sin ella, la predicción falla y muestra la acción Añadir clave de API. El proveedor cobra a tu clave cada predicción. Después de cada predicción, el aviso emergente muestra el número de objetos detectados, el tiempo transcurrido, los tokens de salida cuando el modelo los indica (por ejemplo, 1.8s · 1,248 output tokens · Free) y el coste: Gratis para un modelo alojado; para un modelo de pago, el coste estimado del proveedor cuando se devuelve, o, si no se devuelve, Facturado por y el nombre del proveedor.

Anotar objetos similares con indicaciones visuales#

En los conjuntos de datos de detección, segmentación y OBB con anotación inteligente disponible, Anotar similares usa las etiquetas que ya has dibujado como ejemplos visuales: YOLOE-26x encuentra más objetos que se parecen a esos ejemplos, sin necesidad de nombres de clase ni entrenamiento.

  1. Dibuja unas cuantas etiquetas en una imagen, haz clic con el botón derecho en una de ellas y elige Anotar similares. Todas las etiquetas de las clases seleccionadas en la imagen (hasta 200) se convierten en ejemplos. Si haces clic con el botón derecho en la imagen, fuera de cualquier anotación, se usan todas las anotaciones de la tarea del conjunto de datos presentes en la imagen; la acción permanece desactivada hasta que la imagen tenga una
  2. El cuadro de diálogo muestra los Ejemplos a la izquierda y el Resultado a la derecha: las etiquetas existentes de la imagen más los objetos nuevos, con un recuento como Se han encontrado 3 objetos nuevos. Ajusta los controles deslizantes de confianza e IoU, cuyos valores iniciales son 0.01 y 0.5. En los conjuntos de datos OBB, se ajustan cajas orientadas a las máscaras de segmentación
  3. Haz clic en Aplicar para añadir únicamente los objetos nuevos a esta imagen, sin coste alguno. Aplicar está desactivado cuando no se encuentra nada nuevo

Las redetecciones de tus ejemplos y de otras etiquetas existentes se omiten según la misma regla de IoU que se aplica a las demás predicciones, y los objetos nuevos no se repiten entre sí.

Después de hacer clic en Aplicar, la notificación ofrece Anotar todas. Se abre Anotación por lotes con los mismos ejemplos en lugar del selector de modelos, que aparecen en Clases de ejemplo: previsualiza las muestras, ajusta la confianza (valor predeterminado 0.25) y el IoU (valor predeterminado 0.5), y haz clic en Iniciar para encontrar objetos similares en todas las imágenes sin etiquetar o en todas las imágenes si está activada la opción Incluir imágenes anotadas. Los ejemplos se leen de la imagen en la que los dibujaste, aunque cambies a otra imagen antes de hacer clic en Anotar todas, y la ejecución se factura como cualquier otra ejecución de Anotación por lotes.

Anotación por lotes#

Anotación por lotes ejecuta un modelo —un modelo YOLO, un modelo guiado por clases en conjuntos de datos de detección con entre 1 y 200 clases, o YOLOE-26x con ejemplos visuales— en todo un conjunto de datos, en lugar de solo en la imagen abierta. Ábrela desde la página del conjunto de datos con Más acciones > Anotación por lotes, desde la acción Anotar todas de la notificación que aparece después de una predicción del editor que encuentra objetos o después de que Buscar imágenes similares añada imágenes, o desde Anotar todas después de Anotar similares. Está disponible para los editores de conjuntos de datos alojados en Platform con hasta tres canales de imagen, para todas las tareas excepto profundidad.

  1. Selecciona un modelo en el selector (Models, incluidos los Modelos de código abierto y los proyectos de proveedores en conjuntos de datos de detección con entre 1 y 200 clases, o My Models); el cuadro de diálogo se abre con el último modelo que usaste en el modo inteligente o con Moondream 3.1 en un conjunto de datos de detección si el último modelo era SAM o no habías usado ninguno
  2. Si usas un modelo YOLO, ajusta los controles deslizantes de confianza (valor predeterminado 0.25) e IoU (valor predeterminado 0.5); las imágenes de muestra junto a los ajustes muestran qué detecta el modelo a medida que los mueves. En lugar de estos ajustes, un modelo guiado por clases detecta las clases del conjunto de datos (entre 1 y 200) con umbrales específicos del modelo y no devuelve puntuaciones
  3. Activa Incluir imágenes anotadas para procesar también imágenes que ya tengan etiquetas; la ejecución conserva las etiquetas existentes y solo añade lo que aún le falta a cada imagen. Las muestras de las imágenes anotadas muestran sus etiquetas y lo que añade la ejecución
  4. Revisa el Coste estimado y haz clic en Iniciar

Vistas previas de muestras del cuadro de diálogo de anotación por lotes de conjuntos de datos de Ultralytics Platform

De forma predeterminada, solo se anotan las imágenes sin etiquetas y nunca se modifican las etiquetas existentes. Para ejecutar el proceso, el conjunto de datos debe tener clases. Si usas un modelo YOLO y las clases del modelo difieren de las del conjunto de datos, el paso Asignar clases permite asignar cada clase del modelo a una clase del conjunto de datos u omitirla; si el conjunto de datos no tiene clases, las crea. La ejecución solo comienza cuando ya existen las clases. Antes de iniciar una ejecución, se guarda una versión del conjunto de datos, para que puedas restaurar el conjunto de datos si no te convence el resultado.

La página del conjunto de datos muestra el progreso de la ejecución, y Detener conserva las imágenes procesadas hasta ese momento y las factura. Cuando termina la ejecución, un resumen muestra las imágenes procesadas y las anotaciones y clases añadidas. Si un proveedor de pago rechaza tu clave o limita su frecuencia de uso durante tres imágenes seguidas, la ejecución se detiene antes de tiempo e indica cuántas imágenes no se han procesado.

Coste de la anotación por lotes

La anotación por lotes cuesta 1,00 $ por cada 1.000 imágenes procesadas, con un mínimo de 0,01 $ por ejecución. Al iniciar la ejecución, se retiene el importe estimado de tu saldo y después se ajusta al número real de imágenes procesadas; el cargo aparece en la pestaña Facturación como Anotación automática cuando cierras el resumen de la ejecución. Si usas un modelo de pago de un proveedor, este importe solo cubre el procesamiento de Platform: el proveedor también factura a tu clave de API las vistas previas de prueba y las anotaciones.

Barra lateral de clases#

El editor de anotaciones incluye una barra lateral de clases plegable a la derecha del lienzo. La barra lateral permite:

  • Buscar clases: Filtra la lista de clases escribiendo en el campo de búsqueda. Pulsa Enter para seleccionar una coincidencia exacta o crea una clase nueva si no hay ninguna coincidencia.
  • Crear una clase nueva en línea: Haz clic en Add class al final de la lista, escribe un nombre y, si quieres, elige un color personalizado. Pulsa Enter para crearla.
  • Editar el nombre de una clase en línea: Pasa el cursor por encima del nombre de una clase y haz clic en el icono del lápiz para cambiarlo.
  • Selector de color: Haz clic en la muestra de color junto a cualquier clase para cambiar su color.
  • Recuento de anotaciones por clase: Cada fila de clase muestra un recuento en superíndice de las anotaciones.
  • Expandir o contraer: Haz clic en el chevrón para expandir una clase y ver debajo sus anotaciones individuales.
  • Resaltado bidireccional al pasar el cursor: Al pasar el cursor por encima de una anotación en el lienzo, esta se resalta en la barra lateral, y viceversa. La barra lateral se desplaza automáticamente hasta la clase correspondiente. Al pasar el cursor por encima de una fila de clase o de su etiqueta en el desglose de clases bajo la imagen, se resaltan todas las anotaciones de esa clase.
  • Ocultar o mostrar una clase completa: Haz clic en el icono del ojo de una fila de clase para ocultar o mostrar de una vez todas las anotaciones de esa clase.
  • Ocultar o mostrar anotaciones individuales: Haz clic en el icono del ojo de cualquier fila de anotación para alternar su visibilidad en el lienzo.
  • Eliminar anotaciones: Haz clic en el icono de la papelera de cualquier fila de anotación para eliminarla.
  • Atajos de teclado: Pulsa 1-9 para seleccionar rápidamente las 9 primeras clases, H para alternar la visibilidad de todas las anotaciones de la imagen o ] para mostrar u ocultar la barra lateral.

Menú contextual#

Haz clic con el botón derecho en una anotación para abrir un menú contextual con estas opciones:

AcciónAtajo
Traer al frenteCmd/Ctrl+Shift+]
Enviar al fondoCmd/Ctrl+Shift+[
Traer adelanteCmd/Ctrl+]
Enviar atrásCmd/Ctrl+[
Ocultar anotación(es)
Eliminar anotación(es)Delete / Backspace

Al hacer clic con el botón derecho en un vértice o borde de un polígono, se añade Eliminar punto o Añadir punto; al hacerlo en un punto clave de pose, se añaden Ocultar punto y Restablecer visibilidad. El menú también ofrece Desenfocar caras cuando está disponible y, en los conjuntos de datos de detección, segmentación y OBB con anotación inteligente disponible, Anotar similares, que encuentra más objetos parecidos a las etiquetas seleccionadas.

Controles de visibilidad#

El menú desplegable de visibilidad (icono del ojo) permite alternar la visualización de elementos individuales:

AlternarDescripción
AnotacionesMostrar u ocultar todas las superposiciones de anotación
Etiquetas de claseMostrar u ocultar los nombres de clase en las anotaciones
Mostrar píxelesAlternar la visualización pixelada para inspeccionar con zoom (pantalla completa)
RetículaMostrar un cursor en forma de cruz con las coordenadas de píxel durante la anotación
Miniaturas de navegaciónMostrar la tira de miniaturas de navegación (pantalla completa)
Barra de información inferiorMostrar u ocultar la barra de información de la imagen en la parte inferior (pantalla completa)
Mostrar todoAlternar de una vez las anotaciones, las etiquetas, la retícula, las miniaturas y la barra de información inferior (no afecta a la visualización pixelada)

Cursor en forma de cruz#

Durante la anotación, una retícula superpuesta sigue la posición del cursor y muestra las coordenadas de píxel en el lienzo. Esto ayuda a colocar las anotaciones con precisión. Actívala o desactívala desde el menú desplegable de visibilidad.

Vista previa al pasar el cursor con SAM#

En el modo inteligente, SAM ofrece una vista previa en tiempo real al pasar el cursor antes de que hagas clic en ningún punto. Esta vista previa está disponible para las tareas detect, segment, semantic y OBB. Cuando añades clics para ajustar la máscara, la vista previa se actualiza para reflejar la máscara actual y el tipo de anotación de la tarea activa.

Edición de vértices de polígonos#

En las anotaciones de segmentación y semánticas, puedes editar los vértices del polígono después de dibujarlo:

  • Mover vértices: Arrastra cualquier controlador de vértice para cambiarlo de posición
  • Añadir vértices: Haz clic en un borde del polígono seleccionado o arrástralo; también puedes hacer clic con el botón derecho en un borde y elegir Añadir punto
  • Quitar vértices: Haz clic con el botón derecho en un vértice y elige Quitar punto; los polígonos deben tener al menos 3 vértices

Gestión de clases#

Crear clases#

Define las clases de anotación de tu conjunto de datos en la pestaña Classes:

  1. Ve a la pestaña Classes
  2. Escribe el nombre de una clase en el campo de entrada de la parte inferior
  3. Haz clic en Add o pulsa Enter
  4. Se asigna automáticamente un color de la paleta de Ultralytics

Pestaña de anotación de clases de Ultralytics Platform: añadir una clase

Añadir una clase durante la anotación#

Puedes crear clases nuevas directamente mientras anotas, sin salir del editor:

  1. Dibuja una anotación en la imagen
  2. En la barra lateral de clases, haz clic en Add class (o escribe un nombre nuevo en el cuadro de búsqueda de la barra lateral)
  3. Escribe el nombre de la clase
  4. Pulsa Intro para crearla y asignarla

Esto te permite definir clases cuando encuentres nuevos tipos de objetos en tus datos.

Tabla unificada de clases

Todas las clases del conjunto de datos se gestionan en una tabla unificada. Los cambios en los nombres o colores de las clases se aplican automáticamente a todo el conjunto de datos.

Editar clases#

  • Cambiar el nombre: haz clic en el nombre de una clase de la tabla para editarlo en línea
  • Cambiar el color: haz clic en la muestra de color para abrir el selector de color
  • Buscar: usa el campo de búsqueda para filtrar las clases por nombre
  • Ordenar: haz clic en los encabezados de columna para ordenar por índice, nombre, número de anotaciones o número de imágenes

Colores de las clases#

Cada clase tiene asignado un color de la paleta de Ultralytics. Puedes personalizar los colores con el selector de color de la pestaña Classes; los colores seleccionados se usan en todo el conjunto de datos. Las exportaciones del modelo incluyen los colores actuales de las clases del conjunto de datos.

Atajos de teclado#

Acelera la anotación con atajos de teclado:

AtajoAcción
Cmd/Ctrl+SGuardar anotaciones
Cmd/Ctrl+ZDeshacer
Cmd/Ctrl+YRehacer
EscapeGuardar / Anular selección / Salir
Delete / BackspaceEliminar la anotación seleccionada
Cmd/Ctrl+DeleteEliminar imagen
HMostrar u ocultar todas las anotaciones
RGira la imagen en el sentido de las agujas del reloj
]Mostrar u ocultar la barra lateral de clases
← / →Imagen anterior / siguiente
1-9Seleccionar la clase del 1 al 9
Cmd/Ctrl+ScrollAcercar/alejar
Cmd/Ctrl++ o Cmd/Ctrl+=Acercar
Cmd/Ctrl+-Alejar
Cmd/Ctrl+0Restablecer para ajustar
Space+Drag o arrastrar con el botón central del ratónDesplazar el lienzo
Shift+ClickSeleccionar varias anotaciones
Cmd/Ctrl+ASeleccionar todas las anotaciones
Cmd/Ctrl+CCopiar las anotaciones seleccionadas
Cmd/Ctrl+XCortar las anotaciones seleccionadas
Cmd/Ctrl+VPegar anotaciones

Ventana de atajos de teclado de anotación de Ultralytics Platform

Ver todos los atajos

Haz clic en el icono del teclado de la barra de herramientas de anotación para abrir la guía de atajos.

Deshacer/rehacer#

El editor de anotaciones conserva un historial completo de deshacer y rehacer:

  • Deshacer: Cmd/Ctrl+Z
  • Rehacer: Cmd/Ctrl+Y

El historial registra:

  • Añadir anotaciones (individuales y por lotes)
  • Editar anotaciones (mover, cambiar el tamaño, girar)
  • Eliminar anotaciones (individuales y por lotes)
  • Cambiar clases (individuales y por lotes)
  • Reordenar anotaciones (orden Z)
  • Editar los vértices de los polígonos (añadir, eliminar, mover)
  • Mover puntos clave
Deshacer ilimitado

La pila de deshacer no tiene un límite fijo: puedes deshacer los cambios realizados desde que abriste la imagen.

Guardar anotaciones#

Los cambios se guardan automáticamente un segundo después de la última edición de una anotación. También se guardan al pasar a otra imagen o cerrar el editor a pantalla completa.

  • Guardar ahora: haz clic en el botón de guardar o pulsa Cmd/Ctrl+S
  • Cerrar: haz clic en el botón de cierre, fuera de la imagen o pulsa Escape; al cerrar, se guardan en segundo plano los cambios pendientes
Guarda tu trabajo

Espera a que desaparezca el estado Saving... o Unsaved de la barra de información de la imagen antes de cerrar la pestaña del navegador. Puedes guardar manualmente en cualquier momento con el botón de guardar o Cmd/Ctrl+S.

Preguntas frecuentes#

  • SAM genera máscaras de alta calidad para la mayoría de los objetos. La precisión depende de:

    • Lo bien que se distingue el objeto del fondo
    • La calidad y resolución de la imagen
    • El número de puntos positivos/negativos indicados

    Para obtener los mejores resultados, empieza haciendo clic en el centro del objeto y, después, haz clics fuera de la máscara para ampliarla y dentro de ella para restar objetos cercanos o el fondo.

  • Sí. Sube tu conjunto de datos con archivos de etiquetas en formato YOLO, archivos de anotaciones JSON de COCO, archivos JSON de LabelMe o una exportación NDJSON de Ultralytics o Labelbox. Platform los analiza durante el procesamiento y los muestra en el editor. Las etiquetas XML de Pascal VOC no se importan: conviértelas primero a YOLO o COCO. Consulta Preparar tu conjunto de datos.

  • Después de dibujar una anotación:

    1. Mantén seleccionada la misma clase
    2. Dibuja la siguiente anotación
    3. Repite el proceso hasta etiquetar todos los objetos

    El atajo de teclado 1-9 te permite seleccionar clases rápidamente.

  • Sí, pero para obtener los mejores resultados:

    • Etiqueta todos los objetos de tus clases objetivo en cada imagen
    • Usa el filtro Annotations establecido en Unannotated para identificar las imágenes que aún necesitan anotaciones
  • SAM 3.1 es el modelo predeterminado y de última generación: empieza por él para obtener máscaras de la máxima calidad; SAM 3 sigue estando disponible. Cambia a SAM 2.1 Small para trabajar de forma interactiva más rápido con objetos habituales, o a SAM 2.1 Large si necesitas una mayor precisión de las máscaras en formas complejas. Usa SAM 2.1 Tiny para obtener la máxima velocidad con objetos sencillos y de alto contraste.

  • La anotación inteligente con SAM está disponible para las tareas detect, segment, semantic y OBB. En los conjuntos de datos de pose, el modo Smart solo ejecuta la anotación inteligente de YOLO, y la clasificación solo admite anotación manual. En los conjuntos de datos en almacenamiento en la nube, es necesario tener activadas las funciones de IA; no está disponible en conjuntos de datos en instalaciones locales ni en conjuntos de datos con más de tres canales de imagen.

  • Sí. Usa Anotación por lotes desde Más acciones > Anotación por lotes en la página del conjunto de datos. Ejecuta un modelo en todo el conjunto de datos: un modelo YOLO oficial, uno de tus propios modelos entrenados o subidos desde My Models o, en conjuntos de datos de detección con entre 1 y 200 clases, un modelo guiado por clases, como SAM 3.1 Text, que detecta los nombres de tus clases. De forma predeterminada, solo anota las imágenes sin etiquetar; conserva las etiquetas existentes y guarda primero una versión del conjunto de datos para que puedas restaurarla. Cuesta 1,00 $ por cada 1000 imágenes procesadas (mínimo de 0,01 $), y el proveedor también factura los modelos de pago. Anotación por lotes funciona con conjuntos de datos alojados en Platform que tengan hasta tres canales de imagen y no está disponible para profundidad. Para encontrar objetos similares a los que ya has dibujado, usa Anotar similares y haz clic en Anotar todas.

  • Sí. En conjuntos de datos de detección con entre 1 y 200 clases, la anotación inteligente y la anotación por lotes pueden ejecutar modelos de visión de pago, como Gemini 4 Argon, GPT-6.1 Sol, GPT-6 Astra, Claude Opus 5.5 y Claude Fable 5.2, con tu propia clave de proveedor desde Ajustes > Claves de API. Selecciona el modelo debajo de su proveedor en el selector de modelos y haz clic en Predict; el proveedor factura cada predicción a tu clave. La sección de modelos con indicaciones de clase muestra todos los modelos disponibles sin acceso anticipado.

  • La clasificación de modelos VLM ordena los modelos guiados por clases según mAP50 y compara su coste y velocidad con 360 imágenes de 36 conjuntos de datos de detección del mundo real que abarcan escenas médicas, aéreas, industriales, comerciales y cotidianas. En los resultados de noviembre de 2026, los modelos de vanguardia de pago, como Gemini 4 Carbon (gemini-4-carbon), GPT-6.1 Terra, Gemini 4 Hydrogen (gemini-4-hydrogen), Claude Fable 5.2 y Gemini 4 Argon, fueron los más precisos; Claude Haiku 5.5 (claude-haiku-5-5) y Muse Ember 1.0 (muse-ember-1.0) fueron los modelos de bajo coste más precisos; y Qwen3.8 27B, WeVisOne-VL 4B y Gemma 4 26B fueron los modelos alojados más precisos, sin necesidad de una clave de proveedor. La precisión depende mucho del ámbito: los modelos que detectan casi todos los objetos en fotos cotidianas pasan por alto muchos objetos en imágenes de PCB, rayos X, comercios y tráfico, así como en algunos conjuntos de datos médicos; por eso, ejecuta algunas predicciones en tus propias imágenes antes de empezar con la anotación por lotes.

  • Abre el selector de plantillas de esqueleto y elige New Template... para abrir el editor de plantillas. Coloca puntos clave, asígnales nombres, dibuja conexiones y guarda la plantilla. Las plantillas personalizadas se almacenan en el espacio de trabajo del conjunto de datos y están disponibles en todos sus conjuntos de datos de pose.

  • Haz clic en el desplegable del selector de plantillas, en la barra de herramientas de anotación. Selecciona una plantilla integrada (Person, Hand, Dog, Face, Box) o una de tus plantillas personalizadas guardadas. La plantilla seleccionada determina qué puntos clave se colocan al hacer clic en la imagen.

  • Selecciona una o varias anotaciones, pulsa Cmd/Ctrl+C para copiarlas (o Cmd/Ctrl+X para cortarlas), ve a otra imagen con las teclas de flecha o la tira de miniaturas y pulsa Cmd/Ctrl+V para pegarlas. El portapapeles se mantiene mientras el editor a pantalla completa siga abierto.

Comentarios6

Haz una pregunta, comparte tus resultados o ayuda a otra persona.

  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