Intégration CVAT#
Les importations directes CVAT arrivent bientôt sur Ultralytics Platform, afin qu'un export de détection ou de segmentation d'images CVAT se télécharge 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.
Importer 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
Ultralytics YOLO Detection 1.0,Ultralytics YOLO Segmentation 1.0,Ultralytics YOLO Oriented Bounding Boxes 1.0etUltralytics YOLO Pose 1.0séparément. - Active Enregistrer les images, nomme le
.zip, et 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.
- Importe sur Platform. Crée un nouveau dataset à partir du ZIP.
- Entraîne. 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 ton ID de projet et la chaîne de format par la variante correspondant à ta tâche. --with-images yes est l'équivalent en CLI du commutateur Enregistrer les images ; sans lui, 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/Choisir un format d'export#
CVAT propose de nombreux formats d'export. Trois comptent ici :
| Format CVAT | Fonctionne | Notes |
|---|---|---|
| Ultralytics YOLO | Meilleur | Fournit data.yaml, pour que tes noms de labels 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 |
| COCO Keypoints 1.0 | Oui | S'importe en tant qu'ensemble de données de pose, avec le nombre de points clés tiré de la forme la plus courante |
| YOLO 1.1 | Partiellement | Les boîtes s'importent, mais son fichier obj.names n'est pas lu — les classes arrivent en tant que class0, class1, … |
Chaque annotation COCO doit comporter 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, de sorte que les exportations par division conservent
des ID de classes cohérents.
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.
Ce que l'intégration ajoutera#
Choisir le bon format d'export est l'étape que l'intégration supprime. Une fois en ligne, tu exporteras n'importe quel format de détection et de segmentation d'images de CVAT, tu l'importeras, et Platform mappera lui-même les annotations vers 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 — le étiquetage, l'entraînement et le déploiement ne s'étalent plus sur des outils séparés et un script de conversion
- Continue d'annoter — les datasets importés s'ouvrent dans l'éditeur d'annotations de Platform, incluant l'annotation intelligente alimentée par SAM
- Entraîne immédiatement — les datasets sont prêts pour l'entraînement dans le cloud dès que leur traitement est terminé