Integración con Label Studio#
Las importaciones directas de Label Studio llegarán próximamente a Ultralytics Platform, por lo que una exportación de detección o segmentación de imágenes en bruto se cargará tal cual sin necesidad de elegir un formato.
Hasta entonces, existe un método rápido que funciona hoy en día, ya que la exportación YOLO with Images de Label Studio utiliza un diseño que Platform lee, incluida la lista de clases.
Importar desde Label Studio hoy#
- Exporta desde Label Studio. Abre tu proyecto y haz clic en Export.
- Elige un formato que incluya las imágenes. Selecciona YOLO with Images y haz clic en Export.
- Sube a Platform. Crea un nuevo dataset a partir del archivo ZIP.
- Entrena. Edita las anotaciones, entrena y despliega sin salir del espacio de trabajo.
Las opciones YOLO y COCO de Label Studio guardan archivos de etiquetas sin las imágenes, ya que por lo general tus imágenes se encuentran tras las URL a las que apuntaba Label Studio. Subir uno de esos archivos comprimidos a Platform te proporcionará un conjunto de datos sin imágenes. En su lugar, elige la variante with Images.
Exportar mediante la API#
La export API de Label Studio devuelve el mismo archivo comprimido, con el nombre de formato en exportType:
curl -X GET "https://<your-label-studio>/api/projects/<project-id>/export?exportType=YOLO_WITH_IMAGES&download_all_tasks=true" \
-H "Authorization: Token <your-legacy-token>" \
-o dataset.zipCOCO_WITH_IMAGES y YOLO_OBB_WITH_IMAGES funcionan de la misma manera. Los personal access tokens más recientes se intercambian por un token de portador de corta duración antes de su uso, así que comprueba qué tipo de token emite tu instancia. Los proyectos grandes deben utilizar en su lugar los snapshot endpoints, que crean la exportación como una tarea en segundo plano y la descargan por ID; el ejemplo export_yolo_with_images.py del SDK hace exactamente eso.
Una exportación de YOLO de Label Studio incluye su lista de clases junto con las etiquetas, y Platform la lee:
archive.zip/
├── classes.txt # class names Platform reads first
├── notes.json # fallback, used only when classes.txt is missing or empty
├── images/
└── labels/Sube el archivo comprimido exactamente tal como lo generó Label Studio. Platform busca classes.txt y notes.json en la raíz del archivo comprimido, por lo que volver a comprimir la exportación dentro de otra carpeta hará que pierdas los nombres de tus etiquetas y que las clases se importen como class0, class1, y así sucesivamente.
Elegir un formato de exportación#
Label Studio ofrece several export formats. Para la detección y segmentación de imágenes:
| Formato de Label Studio | Funciona | Notas |
|---|---|---|
| YOLO with Images | Óptimo | Envía classes.txt y las imágenes, por lo que una sola subida es suficiente |
| COCO with Images | Sí | También se lee; una mezcla de polígonos y cuadros se importa como segmentación, descartando los que solo tienen cuadros |
| YOLO / COCO | No | Solo archivos de anotación; el dataset se importa sin imágenes |
| Pascal VOC XML | No | Los archivos de etiquetas XML no se pueden leer |
En una exportación COCO, cada anotación debe incluir un bbox para poder leerse, las regiones de multitud ("iscrowd": 1) se omiten y los nombres de las categorías se convierten en tus nombres de clases, por lo que un archivo COCO no necesita classes.txt para conservar sus etiquetas.
Platform no lee las etiquetas XML de Pascal VOC, y una exportación VOC falla de forma silenciosa en lugar de avisar: las imágenes se importan y las anotaciones no. En su lugar, elige YOLO with Images o COCO with Images.
Lo que añadirá la integración#
Elegir el formato de exportación correcto es el paso que la integración elimina. Una vez que esté disponible, exportarás cualquiera de los formatos de detección y segmentación de imágenes de Label Studio, lo subirás y Platform asignará automáticamente las anotaciones a la YOLO task correspondiente.
- Sin formatos que elegir: las exportaciones de detección y segmentación de imágenes de Label Studio se asignan a un dataset de YOLO conservando los nombres de las etiquetas
- Un solo espacio de trabajo: el etiquetado, el entrenamiento y el despliegue dejan de abarcar herramientas separadas y un script de conversión
- Sigue anotando: los datasets importados se abren en el editor de anotaciones de Platform, incluyendo la anotación inteligente impulsada por SAM
- Entrena inmediatamente: los datasets están listos para el entrenamiento en la nube tan pronto como termina su procesamiento