Integrazione CVAT#
Le importazioni dirette da CVAT stanno arrivando su Ultralytics Platform, in modo che un export di rilevamento o segmentazione di immagini da CVAT venga caricato così com'è senza dover scegliere alcun formato.
Fino ad allora c'è una scorciatoia che funziona già oggi, poiché CVAT esporta già nel layout Ultralytics YOLO letto da Platform.
Importa da CVAT oggi#
- Esporta da CVAT. Apri il tuo task e scegli Actions > Export task dataset (da un job è Menu > Export job dataset).
- Scegli il formato. Seleziona la voce Ultralytics YOLO corrispondente al tuo task — CVAT elenca separatamente
Ultralytics YOLO Detection 1.0,Ultralytics YOLO Segmentation 1.0,Ultralytics YOLO Oriented Bounding Boxes 1.0eUltralytics YOLO Pose 1.0. - Attiva Salva immagini (Save images), assegna un nome a
.zipe clicca su OK. Senza le immagini, l'archivio conterrà solo le annotazioni e Platform non avrà nulla da importare. - Scarica l'archivio. L'export viene eseguito in background; recuperalo dalla pagina Richieste di CVAT quando avrà terminato.
- Carica su Platform. Crea un nuovo dataset dal file ZIP.
- Allena. Modifica le annotazioni, allena e distribuisci senza lasciare lo spazio di lavoro.
Esporta con la CLI#
La CLI di CVAT esporta lo stesso archivio da un terminale:
pip install cvat-cli
cvat-cli project export-dataset --format "Ultralytics YOLO Detection 1.0" --with-images yes 104 dataset.zipSostituisci 104 con il tuo ID di progetto e la stringa del formato con la variante corrispondente al tuo task. --with-images yes è l'equivalente da CLI dell'interruttore Salva immagini (Save images); senza di esso l'archivio conterrà solo le annotazioni.
L'export Ultralytics YOLO di CVAT produce il layout atteso da Platform, quindi non è necessario convertire nulla:
archive.zip/
├── data.yaml # class names Platform reads
├── images/train/
└── labels/train/Scelta di un formato di esportazione#
CVAT offre molti formati di export. Tre di questi sono importanti in questo contesto:
| Formato CVAT | Funziona | Note |
|---|---|---|
| Ultralytics YOLO | Il migliore | Include data.yaml, in modo che i nomi delle tue etichette arrivino intatti |
| COCO 1.0 | Sì | Letto anch'esso; un misto di poligoni e box viene importato come segment, e quelli con soli box vengono scartati |
| COCO Keypoints 1.0 | Sì | Si importa come un dataset di pose, con il conteggio dei keypoint preso dalla forma più comune |
| YOLO 1.1 | In parte | I riquadri vengono importati, ma il file obj.names non viene letto — le classi arrivano come class0, class1, … |
Ogni annotazione COCO deve contenere un bbox per essere letta, e le regioni di folla ("iscrowd": 1) vengono saltate. I nomi delle categorie diventano i nomi delle classi e gli ID delle categorie sono unificati in tutti i file JSON dell'archivio, in modo che le esportazioni per ciascuno split mantengano ID di classe coerenti.
Platform non legge le etichette XML di Pascal VOC e un export VOC fallisce silenziosamente anziché in modo evidente: le immagini vengono importate, le annotazioni no, e un export VOC di cinque o più immagini seleziona anche una singola classe che prende il nome dalla cartella delle immagini. Scegli invece Ultralytics YOLO o COCO.
Cosa aggiungerà l'integrazione#
La scelta del formato di export corretto è il passaggio che l'integrazione elimina. Una volta rilasciata, potrai esportare uno qualsiasi dei formati di rilevamento e segmentazione di immagini di CVAT, caricarlo e Platform mapperà autonomamente le annotazioni sul task YOLO corrispondente.
- Nessun formato da scegliere — gli export di rilevamento e segmentazione di immagini di CVAT vengono mappati su un dataset YOLO preservando i nomi delle etichette
- Un'area di lavoro — l'etichettatura, l'addestramento e la distribuzione smettono di estendersi su strumenti separati e uno script di conversione
- Continua ad annotare — i dataset importati si aprono nell'editor di annotazioni di Platform, inclusa l'annotazione intelligente basata su SAM
- Allena immediatamente — i dataset sono pronti per l'addestramento sul cloud non appena terminano l'elaborazione