Link to this sectionIntégration CVAT#
Les importations directes CVAT arrivent sur Ultralytics Platform, afin qu'un export de détection ou de segmentation d'images CVAT soit téléchargé tel quel sans format à choisir.
D'ici là, il existe un moyen rapide qui fonctionne dès aujourd'hui, car CVAT exporte déjà dans la disposition Ultralytics YOLO que Platform lit.
Link to this sectionImporter depuis CVAT dès aujourd'hui#
- Exporter depuis CVAT. Ouvre ta tâche et choisis Actions > Exporter le jeu de données de la tâche (depuis un travail, c'est Menu > Exporter le jeu de données du travail).
- Choisis le format. Sélectionne l'entrée Ultralytics YOLO correspondant à ta tâche — CVAT liste séparément
Ultralytics YOLO Detection 1.0,Ultralytics YOLO Segmentation 1.0,Ultralytics YOLO Oriented Bounding Boxes 1.0etUltralytics YOLO Pose 1.0. - Active l'enregistrement des images (Save images), nomme le fichier
.zipet clique sur OK. Sans les images, l'archive ne contient que des annotations, et Platform n'a rien à importer. - Télécharge l'archive. L'export s'exécute en arrière-plan — récupère-le depuis la page Requests de CVAT lorsqu'il est terminé.
- Télécharge sur Platform. Crée un nouveau jeu de données à partir du ZIP.
- Entraîne. Modifie les annotations, entraîne et déploie sans quitter l'espace de travail.
Link to this sectionExporter 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 ton identifiant de projet et la chaîne de format par la variante correspondant à ta tâche. --with-images yes est l'équivalent CLI du commutateur Save images ; sans cela, l'archive ne contient que des annotations.
L'export Ultralytics YOLO de CVAT produit la disposition attendue par Platform, il n'y a donc rien à convertir :
archive.zip/
├── data.yaml # class names Platform reads
├── images/train/
└── labels/train/Link to this sectionChoisir un format d'export#
CVAT propose de nombreux formats d'export. Trois comptent ici :
| Format CVAT | Fonctionne | Notes |
|---|---|---|
| Ultralytics YOLO | Meilleur | Intègre data.yaml, de sorte que les noms de tes étiquettes arrivent intacts |
| COCO 1.0 | Oui | Lu également ; un mélange de polygones et de boîtes est importé en tant que segment, et les boîtes seules sont ignorées |
| YOLO 1.1 | Partiellement | Les boîtes sont importées, mais son fichier obj.names n'est pas lu — les classes arrivent sous les noms class0, class1, etc. |
Platform ne lit pas les étiquettes XML Pascal VOC, et un export VOC échoue discrètement plutôt que bruyamment : les images sont importées, les annotations ne le sont pas, et un export VOC de cinq images ou plus récupère également une seule classe nommée d'après son dossier d'images. Choisis plutôt Ultralytics YOLO ou COCO.
Link to this sectionCe que l'intégration ajoutera#
Choisir le bon format d'export est l'étape que l'intégration supprime. Une fois déployée, tu pourras exporter n'importe quel format de détection et de segmentation d'images de CVAT, le télécharger, et Platform fera lui-même correspondre les annotations à la tâche YOLO correspondante.
- Aucun format à choisir — les exports de détection et de segmentation d'images de CVAT correspondent à un jeu de données YOLO avec les noms d'étiquettes préservés
- Un seul espace de travail — l'étiquetage, l'entraînement et le déploiement ne s'étalent plus sur des outils séparés et un script de conversion
- Continue d'annoter — les jeux de données importés s'ouvrent dans l'éditeur d'annotations de Platform, incluant l'annotation intelligente alimentée par SAM
- Entraîne immédiatement — les jeux de données sont prêts pour l'entraînement dans le cloud dès la fin du traitement
Les intégrations Labelbox, Roboflow et Ultralytics HUB fonctionnent dès aujourd'hui, et Platform importe directement les jeux de données YOLO, COCO et Ultralytics NDJSON.