Intégration Label Studio#
Les importations directes Label Studio arrivent sur Ultralytics Platform, afin qu'un export brut de détection d'objets ou de segmentation soit téléchargé tel quel sans format à choisir.
D'ici là, il existe un raccourci qui fonctionne dès aujourd'hui, car l'export YOLO avec images de Label Studio propose une structure que Platform sait lire, liste de classes incluse.
Importer depuis Label Studio dès aujourd'hui#
- Exporter depuis Label Studio. Ouvre ton projet et clique sur Exporter.
- Choisis un format qui inclut les images. Sélectionne YOLO with Images et clique sur Export.
- Importe sur Platform. Crée un nouveau dataset à partir du ZIP.
- Entraîne. Modifie les annotations, entraîne et déploie sans quitter l'espace de travail.
Les options YOLO et COCO de Label Studio écrivent les fichiers d'étiquettes sans les images, car tes images se trouvent normalement derrière les URL pointées par Label Studio. Téléverser l'une de ces archives sur Platform te donne un dataset sans images. Choisis plutôt la variante with Images.
Exporter avec l'API#
L'API d'export de Label Studio renvoie la même archive, avec le nom du format dans 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 et YOLO_OBB_WITH_IMAGES fonctionnent de la même manière. Les jetons d'accès personnel plus récents sont échangés contre un jeton du porteur de courte durée avant utilisation, vérifie donc quel type de jeton ton instance émet. Les grands projets doivent plutôt utiliser les points de terminaison de snapshot, qui créent l'export en tant que tâche en arrière-plan et le téléchargent par ID ; l'exemple export_yolo_with_images.py du SDK fait exactement cela.
Un export YOLO de Label Studio transporte sa liste de classes en même temps que les labels, et Platform la lit :
archive.zip/
├── classes.txt # class names Platform reads first
├── notes.json # fallback, used only when classes.txt is missing or empty
├── images/
└── labels/Téléverse l'archive exactement telle que Label Studio l'a produite. Platform recherche classes.txt et notes.json à la racine de l'archive, donc recompresser l'export dans un autre dossier fait perdre tes noms d'étiquettes et les classes sont importées sous les noms class0, class1, et ainsi de suite.
Choisir un format d'export#
Label Studio propose plusieurs formats d'export. Pour la détection d'objets et la segmentation par image :
| Format Label Studio | Fonctionne | Notes |
|---|---|---|
| YOLO with Images | Meilleur | Fournit classes.txt et les images, de sorte qu'un seul téléversement suffit |
| COCO with Images | Oui | Lu également ; un mélange de polygones et de boîtes s'importe en tant que segment, en ignorant celles qui n'ont que des boîtes |
| YOLO / COCO | Non | Fichiers d'annotation uniquement — le dataset s'importe sans images |
| Pascal VOC XML | Non | Les fichiers de labels XML ne peuvent pas être lus |
Dans un export COCO, chaque annotation doit comporter un bbox pour être lue, les régions de foule ("iscrowd": 1) sont ignorées, et les noms de catégories deviennent tes noms de classes — ainsi une archive COCO n'a pas besoin de classes.txt pour conserver ses étiquettes.
Platform ne lit pas les labels Pascal VOC XML, et un export VOC échoue discrètement plutôt que bruyamment : les images s'importent et les annotations non. Choisis plutôt YOLO with Images ou COCO with Images.
Ce que l'intégration ajoutera#
Choisir le bon format d'export est l'étape que l'intégration supprime. Une fois déployé, tu pourras exporter n'importe quel format de détection et de segmentation d'image de Label Studio, le téléverser, 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 Label Studio sont mappés vers un dataset YOLO en préservant les noms de labels
- 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