YOLO Vision 2026:

Exporta anotaciones de LabelMe a YOLO y Ultralytics Platform#

LabelMe es una herramienta de anotación de imágenes sin conexión con una aplicación de Python de código abierto. No hay ninguna conexión en vivo con LabelMe ni ninguna clave de API que configurar en Ultralytics Platform. La integración completa es un flujo de trabajo local: anota en LabelMe, convierte las anotaciones JSON de LabelMe al formato YOLO con LabelMe Toolkit y sube el archivo ZIP resultante como un conjunto de datos de Platform.

1. Anota las imágenes en LabelMe#

Instala LabelMe utilizando la aplicación de escritorio o el paquete de Python de código abierto, y luego abre el directorio que contiene tus imágenes. LabelMe guarda las anotaciones de cada imagen en un archivo JSON correspondiente.

Para el flujo de trabajo de detección de YOLO en esta guía, dibuja rectángulos alrededor de cada objeto y asigna un nombre de clase. La guía de inicio de LabelMe cubre la apertura de imágenes, el dibujo de formas y el guardado de anotaciones, mientras que la guía de conjuntos de datos de LabelMe cubre la revisión y preparación de un conjunto de datos anotado completo.

Tu directorio de origen debe contener las imágenes y los archivos JSON de LabelMe:

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

2. Instala el LabelMe Toolkit#

Instala LabelMe Toolkit siguiendo la guía de instalación del kit de herramientas de LabelMe. El kit de herramientas y sus exportaciones se ejecutan localmente.

LabelMe Pro es obligatorio para la exportación

export-to-yolo forma parte de LabelMe Pro Toolkit, y la descarga de su instalador requiere iniciar sesión en LabelMe. Este es un requisito del producto LabelMe; el archivo ZIP resultante se puede subir en cualquier plan de Platform.

Verifica la instalación y luego enumera cada etiqueta encontrada en el conjunto de datos de origen:

labelmetk --version
labelmetk list-labels your_dataset/

Revisa la salida antes de exportar. Las etiquetas omitidas de --class-names se omiten, y el orden que proporciones se convierte en el orden de ID de clase de YOLO.

3. Exporta a formato YOLO#

Ejecuta export-to-yolo con el directorio de origen y una lista de nombres de clase separados por comas:

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

Reemplaza crack,normal con las etiquetas devueltas por list-labels. LabelMe escribe el resultado en your_dataset.export/:

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

classes.txt conserva los nombres de las clases en el mismo orden utilizado por los archivos de etiquetas de YOLO. Mantenlo en la raíz de la exportación.

Este flujo de trabajo crea un conjunto de datos de detección

LabelMe Toolkit exporta los rectángulos como cuadros delimitadores de YOLO. También reduce los polígonos y las máscaras a sus cuadros delimitadores alineados con los ejes, por lo que export-to-yolo no conserva la geometría de segmentación. Dibuja rectángulos al preparar un conjunto de datos de detección con este flujo de trabajo.

4. Crea el archivo ZIP#

Comprime los contenidos de your_dataset.export/, no el directorio que los rodea. En macOS o Linux:

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

En Windows PowerShell:

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

Abre el archivo ZIP antes de subirlo y confirma que classes.txt, images/ y labels/ estén en su raíz. Un contenedor your_dataset.export/ adicional evita que Platform encuentre la lista de clases raíz.

5. Sube a Ultralytics Platform#

  1. Abre Settings > Integrations > LabelMe.
  2. Haz clic en Upload export.
  3. Sube your_dataset.zip y termina de crear el conjunto de datos.
  4. Espera a que se complete el procesamiento y luego revisa las imágenes, las clases y las anotaciones.
  5. Edita las anotaciones, entrena un modelo y despliégalo desde el mismo espacio de trabajo.

Ultralytics Platform LabelMe Dataset Import

LabelMe y la exportación a YOLO permanecen completamente fuera de línea. Solo el archivo ZIP que selecciones en el diálogo de carga se envía a Platform.

Solución de problemas#

  • Las clases se denominan class0, class1, y así sucesivamente: confirma que classes.txt está presente en la raíz del archivo ZIP.
  • Faltan algunas anotaciones: vuelve a ejecutar labelmetk list-labels your_dataset/ e incluye todas las etiquetas necesarias en --class-names.
  • Los polígonos se convirtieron en cajas: este es el comportamiento documentado de export-to-yolo de LabelMe; convierte las formas que no son rectángulos en cuadros delimitadores.
  • El conjunto de datos no tiene imágenes: confirma que el directorio images/ exportado está incluido en el archivo ZIP.
  • Platform no puede encontrar las clases: elimina cualquier directorio externo del archivo comprimido para que classes.txt, images/ y labels/ sean las entradas de nivel superior.

Para ver el flujo de trabajo local completo, consulta la guía de entrenamiento de YOLO de LabelMe y la referencia de export-to-yolo.

Colaboradores
GLglenn-jocher2

Comentarios