Intégration de CVAT#
Les imports directs de CVAT arrivent sur Ultralytics Platform, afin qu’un export de détection ou de segmentation d’images CVAT soit téléversé tel quel, sans format à sélectionner.
En attendant, une procédure rapide fonctionne dès aujourd’hui, car CVAT exporte déjà dans la structure Ultralytics YOLO que Platform peut lire.
Importer depuis CVAT aujourd’hui#
- Exporter depuis CVAT. Ouvre ta tâche et sélectionne Actions > Export task dataset (depuis un job, sélectionne Menu > Export job dataset).
- Sélectionner le format. Choisis l’entrée Ultralytics YOLO correspondant à ta tâche — CVAT répertorie séparément
Ultralytics YOLO Detection 1.0,Ultralytics YOLO Segmentation 1.0,Ultralytics YOLO Oriented Bounding Boxes 1.0etUltralytics YOLO Pose 1.0. - Active l’option Save images, nomme le
.zip, puis clique sur OK. Sans les images, l’archive ne contient que les annotations et Platform n’a rien à importer. - Télécharger l’archive. L’export s’exécute en arrière-plan — récupère-le sur la page Requests de CVAT lorsqu’il est terminé.
- Téléverser vers Platform. Crée un nouveau dataset à partir du fichier ZIP.
- Entraîner. Modifie les annotations, entraîne et déploie sans quitter l’espace de travail.
Exporter avec la CLI#
La CLI de CVAT exporte la même archive depuis un terminal :
pip install cvat-cli
cvat-cli project export-dataset --format "Ultralytics YOLO Detection 1.0" --with-images yes 104 dataset.zipRemplace 104 par l’ID de ton projet et la chaîne de format par la variante correspondant à ta tâche. --with-images yes est l’équivalent CLI de l’option Save images ; sans cette option, l’archive ne contient que les annotations.
L’export Ultralytics YOLO de CVAT produit la structure attendue par Platform, aucune conversion n’est donc nécessaire :
archive.zip/
├── data.yaml # class names Platform reads
├── images/train/
└── labels/train/Choisir un format d’export#
CVAT propose de nombreux formats d’export. Trois sont pertinents ici :
| Format CVAT | Fonctionne | Remarques |
|---|---|---|
| Ultralytics YOLO | Optimal | Contient data.yaml, afin que les noms de tes labels soient conservés tels quels |
| COCO 1.0 | Oui | Également lu ; un mélange de polygones et de boîtes est importé comme un segment, tandis que les éléments contenant uniquement des boîtes sont ignorés |
| COCO Keypoints 1.0 | Oui | Importé comme dataset de pose, avec un nombre de points clés déterminé à partir de la forme la plus courante |
| YOLO 1.1 | Partiellement | Les boîtes sont importées, mais son fichier obj.names n’est pas lu — les classes arrivent sous la forme class0, class1, … |
Chaque annotation COCO doit contenir un bbox pour être lue, et les régions de foule ("iscrowd": 1) sont ignorées. Les noms de catégories
deviennent les noms de classes, et les ID de catégories sont unifiés dans tous les fichiers JSON de l’archive, afin que les exports par split conservent
des ID de classes cohérents.
Platform ne lit pas les labels XML Pascal VOC, et un export VOC échoue discrètement plutôt que de signaler une erreur : les images sont importées, mais pas les annotations, et un export VOC de cinq images ou plus récupère également une classe unique nommée d’après le dossier contenant les images. Choisis plutôt Ultralytics YOLO ou COCO.
Ce que l’intégration ajoutera#
Choisir le bon format d’export est l’étape que l’intégration supprimera. Une fois disponible, tu pourras exporter n’importe quel format CVAT de détection et de segmentation d’images, le téléverser, puis Platform associera elle-même les annotations à la tâche YOLO correspondante.
- Aucun format à sélectionner — les exports CVAT de détection et de segmentation d’images sont associés à un dataset YOLO, avec conservation des noms de labels
- Un seul espace de travail — l’annotation, l’entraînement et le déploiement ne nécessitent plus plusieurs outils distincts ni de script de conversion
- Poursuivre l’annotation — les datasets importés s’ouvrent dans l’éditeur d’annotations de Platform, avec notamment l’annotation intelligente optimisée par SAM
- Entraîner immédiatement — les datasets sont prêts pour l’entraînement cloud dès qu’ils ont fini d’être traités