Editor di Annotazioni
La Piattaforma Ultralytics include un potente editor di annotazioni per l'etichettatura delle immagini con bounding box, poligoni, keypoint, box orientate e classificazioni. L'editor supporta l'annotazione manuale, l'annotazione intelligente basata su SAM e l'auto-etichettatura YOLO.
graph TB
subgraph Manual["✏️ Manual Tools"]
A[Box] & B[Polygon] & C[Keypoint] & D[OBB] & E[Classify]
end
subgraph AI["🤖 AI-Assisted"]
F[SAM Smart] & G[Auto-Annotate]
end
Manual --> H[📁 Save Labels]
AI --> H
Tipi di Attività Supportati
L'editor di annotazioni supporta tutti i 5 tipi di attività YOLO:
| Task | Strumento | Formato di Annotazione |
|---|---|---|
| Rileva | Rettangolo | Bounding box (x, y, larghezza, altezza) |
| Segmentazione | Poligono | Maschere precise al pixel (vertici del poligono) |
| Posa | Keypoint | Scheletro COCO a 17 punti |
| OBB | Box Orientata | Bounding box ruotate (4 angoli) |
| Classificazione | Selettore di Classe | Etichette a livello di immagine |
Dettagli dell'attività
Rilevamento di oggetti
Cosa fa: identifica gli oggetti e la loro posizione con riquadri di delimitazione allineati agli assi.
Formato dell'etichetta: class_id center_x center_y width height (tutti normalizzati 0-1)
Esempio: 0 0.5 0.5 0.2 0.3 — Classe 0 centrata su (50%, 50%) con larghezza del 20% e altezza del 30%
Casi d'uso: conteggio delle scorte, monitoraggio del traffico, rilevamento della fauna selvatica, sistemi di sicurezza
Segmentazione delle istanze
Cosa fa: crea maschere precise al pixel per ogni istanza dell'oggetto.
Formato dell'etichetta: class_id x1 y1 x2 y2 x3 y3 ... (vertici poligonali, normalizzati 0-1)
Esempio: 0 0.1 0.1 0.9 0.1 0.9 0.9 0.1 0.9 — Maschera quadrilatera
Casi d'uso: imaging medico, veicoli autonomi, fotoritocco, analisi agricola
Stima della posa
Cosa fa: rileva i punti chiave del corpo per il tracciamento dello scheletro.
Formato dell'etichetta: class_id cx cy w h kx1 ky1 v1 kx2 ky2 v2 ...
- Indicatori di visibilità:
0=non etichettato,1=etichettato ma occluso,2=etichettato e visibile
Esempio: 0 0.5 0.5 0.2 0.3 0.6 0.7 2 0.4 0.8 1 — Persona con 2 punti chiave
Casi d'uso: analisi sportiva, fisioterapia, animazione, riconoscimento dei gesti
Oriented Bounding Box (OBB)
Cosa fa: rileva oggetti ruotati con riquadri di delimitazione sensibili all'angolo.
Formato dell'etichetta: class_id x1 y1 x2 y2 x3 y3 x4 y4 (quattro punti angolari, normalizzati)
Esempio: 0 0.1 0.1 0.9 0.1 0.9 0.9 0.1 0.9 — Rettangolo ruotato
Casi d'uso: immagini aeree, analisi di documenti, ispezione della produzione, rilevamento di navi
Classificazione delle immagini
Cosa fa: assegna un'unica etichetta all'intera immagine.
Formato dell'etichetta: Basato su cartelle — immagini organizzate per nome della classe (train/cats/, train/dogs/)
Casi d'uso: moderazione dei contenuti, controllo qualità, diagnosi medica, riconoscimento delle scene
Introduzione
Per annotare le immagini:
- Naviga al tuo dataset
- Clicca su un'immagine per aprire il visualizzatore a schermo intero
- Clicca su Modifica per entrare in modalità annotazione
- Seleziona il tuo strumento di annotazione
- Disegna annotazioni sull'immagine
- Clicca su Salva al termine
Strumenti di Annotazione Manuale
Bounding Box (detect)
Disegna riquadri rettangolari attorno agli oggetti:
- Seleziona lo strumento Riquadro o premi
B - Clicca e trascina per disegnare un rettangolo
- Rilascia per completare il riquadro
- Seleziona una classe dal menu a discesa
Ridimensiona e Sposta
- Trascina gli angoli o i bordi per ridimensionare
- Trascina il centro per spostare
- Premi
Deleteper rimuovere l'annotazione selezionata
Poligono (segment)
Disegna maschere poligonali precise:
- Seleziona lo strumento Poligono o premi
P - Clicca per aggiungere vertici
- Fai doppio clic o premi
Enterper chiudere il poligono - Seleziona una classe dal menu a discesa
Modifica Vertici
- Trascina i singoli vertici per regolare
- Trascina l'intero poligono per spostare
- Clicca su un vertice e premi
Deleteper rimuoverlo
Punto Chiave (Posa)
Posizionare 17 keypoint COCO per la posa umana:
- Seleziona lo strumento Keypoint o premi
K - Cliccare per posizionare i keypoint in sequenza
- Seguire l'ordine dello scheletro COCO
I 17 keypoint COCO sono:
| # | Keypoint | # | Keypoint |
|---|---|---|---|
| 1 | Naso | 10 | Polso destro |
| 2 | Occhio sinistro | 11 | Anca sinistra |
| 3 | Occhio destro | 12 | Anca destra |
| 4 | Orecchio sinistro | 13 | Ginocchio sinistro |
| 5 | Orecchio destro | 14 | Ginocchio destro |
| 6 | Spalla sinistra | 15 | Caviglia sinistra |
| 7 | Spalla destra | 16 | Caviglia destra |
| 8 | Gomito sinistro | 17 | (riservato) |
| 9 | Gomito destro |
Oriented Bounding Box (OBB)
Disegnare box ruotati per oggetti angolati:
- Seleziona lo strumento OBB o premi
O - Cliccare e trascinare per disegnare un box iniziale
- Utilizzare la maniglia di rotazione per regolare l'angolo
- Seleziona una classe dal menu a discesa
Classificazione (classify)
Assegnare etichette di classe a livello di immagine:
- Seleziona la modalità classify
- Clicca sui pulsanti delle classi o premi i tasti numerici
1-9 - È possibile assegnare più classi per immagine
SAM Annotazione Intelligente
Segment Anything Model (SAM) consente l'annotazione intelligente con pochi clic:
- Seleziona SAM modalità o premi
S - Clic sinistro per aggiungere punti positivi (includi quest'area)
- Clic destro per aggiungere punti negativi (escludi quest'area)
- SAM genera una maschera precisa in tempo reale
- Clicca Accetta per convertire in annotazione
Suggerimenti SAM
- Inizia con un clic positivo sul centro dell'oggetto
- Aggiungi clic negativi per escludere lo sfondo
- Funziona meglio per oggetti distinti con bordi chiari
L'annotazione intelligente SAM può generare:
- Poligoni per attività di segment
- Bounding box per attività di detect
- Box orientati per attività obb
YOLO Auto-Annotazione
Usa modelli YOLO addestrati per etichettare automaticamente le immagini:
- Seleziona Auto-Annota modalità o premi
A - Scegli un modello (ufficiale o i tuoi modelli addestrati)
- Imposta la soglia di confidenza
- Clicca Esegui per generare le predizioni
- Rivedi e modifica i risultati secondo necessità
Modelli di Auto-Annotazione
È possibile utilizzare:
- Ultralytics ufficiali Ultralytics (YOLO26n, YOLO26s, ecc.)
- I propri modelli addestrati dalla Piattaforma
Gestione Classi
Creazione di Classi
Definire le classi di annotazione per il proprio dataset:
- Fare clic su Aggiungi Classe nel pannello delle classi
- Inserire il nome della classe
- Un colore viene assegnato automaticamente
Aggiungi nuova classe durante l'annotazione
È possibile creare nuove classi direttamente durante l'annotazione senza uscire dall'editor:
- Disegna un'annotazione sull'immagine
- Nel menu a tendina delle classi, clicca su Aggiungi nuova classe
- Inserire il nome della classe
- Premere Invio per creare e assegnare
Ciò consente un flusso di lavoro continuo in cui è possibile definire classi man mano che si incontrano nuovi tipi di oggetti nei dati.
Tabella delle classi unificate
Tutte le classi presenti nel set di dati vengono gestite in una tabella unificata. Le modifiche apportate ai nomi o ai colori delle classi vengono applicate automaticamente all'intero set di dati.
Modifica di Classi
- Fare clic su una classe per selezionarla per nuove annotazioni
- Fare doppio clic per rinominare
- Trascinare per riordinare
- Fare clic destro per ulteriori opzioni
Classe Colori
A ogni classe viene assegnato un colore dalla palette Ultralytics. I colori sono coerenti su tutta la Piattaforma per un facile riconoscimento.
Scorciatoie da tastiera
Annotazione efficiente con scorciatoie da tastiera:
| Scorciatoia | Azione |
|---|---|
B | Strumento Box (detect) |
P | Strumento Poligono (segment) |
K | Strumento Keypoint (pose) |
O | Strumento OBB |
S | Annotazione intelligente SAM |
A | Annotazione automatica |
V | Modalità seleziona/sposta |
1-9 | Seleziona classe 1-9 |
Delete | Elimina annotazione selezionata |
Ctrl+Z | Annulla |
Ctrl+Y | Ripeti |
Escape | Annulla operazione corrente |
Enter | Completa poligono |
←/→ | Immagine precedente/successiva |
Visualizza tutte le scorciatoie
Premi ? per aprire la finestra di dialogo delle scorciatoie da tastiera.
Annulla/Ripeti
L'editor di annotazioni mantiene una cronologia completa:
- Annulla:
Ctrl+Z(Cmd+Z su Mac) - Ripeti:
Ctrl+Y(Cmd+Y su Mac)
La cronologia include:
- Aggiunta di annotazioni
- Modifica di annotazioni
- Eliminazione di annotazioni
- Modifica delle classi
Salvataggio delle annotazioni
Le annotazioni vengono salvate quando si fa clic su Salva o si naviga altrove:
- Salva: Fare clic sul pulsante Salva o premere
Ctrl+S - Annulla: Fare clic su Annulla per scartare le modifiche
- Avviso di salvataggio automatico: Le modifiche non salvate richiedono conferma prima di uscire
Salva il tuo lavoro
Salvare sempre prima di passare a un'altra immagine. Le modifiche non salvate andranno perse.
FAQ
Quanto è precisa l'annotazione SAM?
SAM fornisce maschere di alta qualità per la maggior parte degli oggetti. L'accuratezza dipende da:
- Distintività dell'oggetto dallo sfondo
- Qualità e risoluzione dell'immagine
- Numero di punti positivi/negativi forniti
Per ottenere risultati ottimali, inizia con un punto positivo al centro dell'oggetto e aggiungi punti negativi per escludere oggetti vicini.
Posso importare annotazioni esistenti?
Sì, carica il tuo dataset con file di etichette in formato YOLO. La Piattaforma li analizza e visualizza automaticamente nell'editor.
Come si annotano più oggetti della stessa classe?
Dopo aver disegnato un'annotazione:
- Mantieni la stessa classe selezionata
- Disegna l'annotazione successiva
- Ripeti finché tutti gli oggetti non sono etichettati
La scorciatoia da tastiera 1-9 seleziona rapidamente le classi.
Qual è la differenza tra SAM e l'auto-annotazione?
| Funzionalità | SAM | Auto-Annota |
|---|---|---|
| Metodo | Prompt di punti interattivi | Inferenza del modello |
| Velocità | Un oggetto alla volta | Tutti gli oggetti contemporaneamente |
| Precisione | Molto alta con guida | Dipende dal modello |
| Ideale per | Oggetti complessi, dettagli fini | Etichettatura in massa, oggetti semplici |
È possibile addestrare su dataset parzialmente annotati?
Sì, ma per risultati ottimali:
- Etichetta tutti gli oggetti delle tue classi target in ogni immagine
- Utilizza lo split unknown per le immagini non etichettate
- Escludi le immagini non etichettate dalla configurazione di training