Label Studio 통합#

Ultralytics Platform에 직접 Label Studio 가져오기를 지원할 예정이므로, 원시 이미지 detection 또는 segmentation export를 선택할 형식 없이 있는 그대로 업로드할 수 있습니다.

그때까지는 현재 바로 사용할 수 있는 간단한 방법이 있습니다. Label Studio의 YOLO with Images export는 Platform이 읽을 수 있는 레이아웃이며, class 목록도 포함하기 때문입니다.

지금 Label Studio에서 가져오기#

1. Label Studio에서 export합니다. 프로젝트를 열고 Export를 클릭합니다.
2. 이미지가 포함된 형식을 선택합니다. **YOLO with Images**를 선택하고 Export를 클릭합니다.
3. Platform에 업로드합니다. ZIP에서 새 dataset을 생성합니다.
4. 학습합니다. workspace를 벗어나지 않고 annotations를 편집하고, 학습하고, 배포합니다.

API로 export하기#

Label Studio의 export API는 동일한 아카이브를 반환하며, 형식 이름은 exportType에 있습니다:

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.zip

COCO_WITH_IMAGES과 YOLO_OBB_WITH_IMAGES은 동일한 방식으로 작동합니다. 최신 개인 액세스 토큰은 사용하기 전에 수명이 짧은 bearer 토큰으로 교환되므로, 인스턴스에서 어떤 토큰 유형을 발급하는지 확인해야 합니다. 대규모 프로젝트에서는 대신 snapshot endpoints를 사용해야 합니다. 이러한 endpoint는 백그라운드 작업으로 export를 생성하고 ID로 다운로드하며, SDK의 export_yolo_with_images.py 예제가 정확히 이 작업을 수행합니다.

Label Studio YOLO export에는 label과 함께 class 목록이 포함되며, Platform이 이를 읽습니다:

archive.zip/
├── classes.txt        # class names Platform reads first
├── notes.json         # fallback, used only when classes.txt is missing or empty
├── images/
└── labels/

Label Studio가 생성한 아카이브를 정확히 그대로 업로드합니다. Platform은 아카이브 루트에서 classes.txt 및 notes.json을 찾으므로, export를 다른 폴더 안에 다시 압축하면 label 이름이 손실되고 class가 class0, class1 등으로 가져와집니다.

Export format 선택하기#

Label Studio는 여러 export 형식을 제공합니다. 이미지 detection 및 segmentation의 경우:

COCO export에서는 읽히려면 모든 annotation에 bbox이 있어야 하며, crowd 영역("iscrowd": 1)은 건너뜁니다. category 이름이 class 이름이 되므로 COCO 아카이브에서 label을 유지하기 위해 classes.txt가 필요하지 않습니다.

통합에 추가될 기능#

적절한 export 형식을 선택하는 단계가 바로 이 통합이 없애는 부분입니다. 이 기능이 출시되면 Label Studio의 이미지 detection 및 segmentation 형식 중 어느 것이든 export하여 업로드할 수 있고, Platform이 annotation을 일치하는 YOLO task에 자동으로 매핑합니다.

• 선택할 형식 없음 — Label Studio의 이미지 detection 및 segmentation export가 label 이름을 유지한 채 YOLO dataset으로 매핑됩니다
• 하나의 workspace — labeling, training, deployment가 더 이상 별도의 tool과 conversion script에 걸쳐 분산되지 않습니다.
• 계속 annotation하기 — 가져온 dataset은 SAM 기반 smart annotation을 포함하여 Platform의 annotation editor에서 열 수 있습니다.
• 즉시 학습하기 — dataset 처리가 완료되는 즉시 cloud training에 사용할 수 있습니다.

FAQ#