Sicurezza pronta per le aziende: Conforme a ISO 27001 + SOC 2 Type I.

Link to this sectionEsporta annotazioni LabelMe in YOLO e Ultralytics Platform#

LabelMe è uno strumento di annotazione di immagini offline con un'applicazione Python open-source. Non vi è alcuna connessione LabelMe live o chiave API da configurare in Ultralytics Platform. L'integrazione completa è un flusso di lavoro locale: annota in LabelMe, converti le annotazioni JSON di LabelMe in formato YOLO con LabelMe Toolkit e carica il file ZIP risultante come dataset di Platform.

Link to this section1. Annota le immagini in LabelMe#

Installa LabelMe utilizzando l'app desktop o il pacchetto Python open-source, quindi apri la directory contenente le tue immagini. LabelMe salva le annotazioni di ciascuna immagine in un file JSON corrispondente.

Per il flusso di lavoro di rilevamento YOLO in questa guida, disegna rettangoli attorno a ciascun oggetto e assegna un nome di classe. La guida introduttiva a LabelMe tratta l'apertura delle immagini, il disegno di forme e il salvataggio delle annotazioni, mentre la guida al dataset di LabelMe tratta la revisione e la preparazione di un dataset annotato completo.

La tua directory di origine dovrebbe contenere le immagini e i file JSON di LabelMe:

your_dataset/
├── image_001.jpg
├── image_001.json
├── image_002.jpg
└── image_002.json

Link to this section2. Installa LabelMe Toolkit#

Installa LabelMe Toolkit seguendo la guida di installazione del toolkit di LabelMe. Il toolkit e le relative esportazioni vengono eseguiti localmente.

LabelMe Pro è richiesto per l'esportazione

export-to-yolo fa parte di LabelMe Pro Toolkit e il download del suo programma di installazione richiede l'accesso a LabelMe. Questo è un requisito del prodotto LabelMe; il file ZIP risultante può essere caricato su qualsiasi piano di Platform.

Verifica l'installazione, quindi elenca tutte le etichette trovate nel dataset di origine:

labelmetk --version
labelmetk list-labels your_dataset/

Rivedi l'output prima dell'esportazione. Le etichette omesse da --class-names vengono saltate e l'ordine fornito diventa l'ordine degli ID classe YOLO.

Link to this section3. Esporta in formato YOLO#

Esegui export-to-yolo con la directory di origine e un elenco separato da virgole di nomi di classe:

labelmetk export-to-yolo your_dataset/ --class-names crack,normal

Sostituisci crack,normal con le etichette restituite da list-labels. LabelMe scrive il risultato in your_dataset.export/:

your_dataset.export/
├── classes.txt
├── images/
│   ├── image_001.jpg
│   └── image_002.jpg
└── labels/
    ├── image_001.txt
    └── image_002.txt

classes.txt conserva i nomi delle classi nello stesso ordine utilizzato dai file di etichette YOLO. Tienilo nella root dell'esportazione.

Questo flusso di lavoro crea un dataset di rilevamento

LabelMe Toolkit esporta i rettangoli come bounding box YOLO. Riduce inoltre poligoni e maschere ai loro bounding box allineati agli assi, quindi export-to-yolo non preserva la geometria di segmentazione. Disegna rettangoli quando prepari un dataset di rilevamento con questo flusso di lavoro.

Link to this section4. Crea l'archivio ZIP#

Comprimi i contenuti di your_dataset.export/, non la directory circostante. Su macOS o Linux:

cd your_dataset.export
zip -r ../your_dataset.zip classes.txt images labels

Su Windows PowerShell:

Compress-Archive -Path .\your_dataset.export\* -DestinationPath .\your_dataset.zip

Apri il file ZIP prima del caricamento e conferma che classes.txt, images/ e labels/ si trovino nella sua root. Un wrapper extra your_dataset.export/ impedisce a Platform di trovare l'elenco delle classi di root.

Link to this section5. Carica su Ultralytics Platform#

  1. Apri Settings > Integrations > LabelMe.
  2. Fai clic su Upload export.
  3. Carica your_dataset.zip e termina la creazione del dataset.
  4. Attendi il completamento dell'elaborazione, quindi rivedi le immagini, le classi e le annotazioni.
  5. Modifica le annotazioni, allena un modello e distribuiscilo dallo stesso spazio di lavoro.

LabelMe e l'esportazione YOLO rimangono completamente offline. Solo il file ZIP selezionato nella finestra di dialogo di caricamento viene inviato a Platform.

Link to this sectionRisoluzione dei problemi#

  • Le classi sono denominate class0, class1 e così via: conferma che classes.txt sia presente nella root del file ZIP.
  • Alcune annotazioni mancano: esegui nuovamente labelmetk list-labels your_dataset/ e includi ogni etichetta richiesta in --class-names.
  • I poligoni sono diventati box: questo è il comportamento documentato di export-to-yolo di LabelMe; converte le forme non rettangolari in bounding box.
  • Il dataset non ha immagini: conferma che la directory esportata images/ sia inclusa nel file ZIP.
  • Platform non riesce a trovare le classi: rimuovi qualsiasi directory esterna dall'archivio in modo che classes.txt, images/ e labels/ siano le voci di livello superiore.

Per il flusso di lavoro locale completo, consulta la guida all'addestramento YOLO e il riferimento per export-to-yolo di LabelMe.

Contributori
GLglenn-jocher1

Commenti