Começar

Editor de anotações

A Ultralytics Platform inclui um editor de anotação para etiquetar imagens com caixas delimitadoras, polígonos, pontos-chave, caixas orientadas e classificações. O editor suporta desenho manual, anotação inteligente com SAM e previsões de modelos YOLO compatíveis ou, em conjuntos de dados de deteção com 1–200 classes, de modelos orientados por classes: modelos de código aberto alojados ou modelos de fornecedores pagos.

Barra de ferramentas do editor de anotação da Ultralytics Platform com tela

Tipos de tarefa suportados#

O editor de anotações disponibiliza ferramentas de anotação para 6 tipos de tarefa YOLO:

TarefaFerramentaFormato da anotação
DetetarRetânguloCaixas delimitadoras (x, y, largura, altura)
SegmentarPolígonoMáscaras com precisão ao nível do píxel (vértices do polígono)
SemânticaPolígonoMáscaras de região por classe (vértices do polígono)
ClassificarSeletor de classesEtiquetas ao nível da imagem
PosePonto-chaveModelos de esqueleto (Pessoa, Mão, Cão, Rosto, Caixa, personalizado)
OBBCaixa orientadaCaixas delimitadoras rotacionadas (4 cantos)
Anotações multitarefa

Os 6 tipos de anotação são armazenados em conjunto em cada imagem. Podes alterar o tipo de tarefa ativo do conjunto de dados sem perder as anotações existentes — estas são preservadas e voltam a aparecer quando regressas a esse tipo.

A verdade de referência de profundidade é um mapa associado que carregas, não algo que desenhas; por isso, o editor abre em modo só de leitura num conjunto de dados de profundidade.

Detalhes das tarefas#

Detecção de objetos

O que faz: Identifica objetos e as respetivas localizações com caixas delimitadoras alinhadas com os eixos.

Formato da etiqueta: class_id center_x center_y width height (tudo normalizado de 0 a 1)

Exemplo: 0 0.5 0.5 0.2 0.3 — Classe 0 centrada em (50%, 50%), com 20% de largura e 30% de altura

Casos de uso: Contagem de inventário, monitorização do trânsito, deteção de vida selvagem, sistemas de segurança

Segmentação de instâncias

O que faz: Cria máscaras com precisão ao nível do píxel para cada instância de objeto.

Formato da etiqueta: class_id x1 y1 x2 y2 x3 y3 ... (vértices do polígono, normalizados de 0 a 1)

Exemplo: 0 0.1 0.1 0.9 0.1 0.9 0.9 0.1 0.9 — Máscara quadrilateral

Casos de uso: Imagiologia médica, veículos autónomos, edição de fotografias, análise agrícola

Classificação de imagens

O que faz: Atribui uma única etiqueta à imagem inteira.

Formato da etiqueta: Baseado em pastas — imagens organizadas pelo nome da classe (train/cats/, train/dogs/)

Casos de uso: Moderação de conteúdo, controlo de qualidade, diagnóstico médico, reconhecimento de cenas

Estimativa de pose

O que faz: Deteta pontos-chave do corpo para acompanhar o esqueleto.

Formato da etiqueta: class_id cx cy w h kx1 ky1 v1 kx2 ky2 v2 ...

  • Indicadores de visibilidade: 0=não etiquetado, 1=etiquetado, mas ocluído, 2=etiquetado e visível

Exemplo: 0 0.5 0.5 0.2 0.3 0.6 0.7 2 0.4 0.8 1 — Pessoa com 2 pontos-chave

Casos de uso: Análise desportiva, fisioterapia, animação, reconhecimento de gestos

Caixa delimitadora orientada (OBB)

O que faz: Deteta objetos rodados com caixas delimitadoras sensíveis ao ângulo.

Formato da etiqueta: class_id x1 y1 x2 y2 x3 y3 x4 y4 (quatro pontos de canto, normalizados)

Exemplo: 0 0.1 0.1 0.9 0.1 0.9 0.9 0.1 0.9 — Retângulo rodado

Casos de uso: Imagens aéreas, análise de documentos, inspeção de fabrico, deteção de navios

Primeiros passos#

Para anotar imagens:

  1. Acede ao teu conjunto de dados
  2. Clica uma vez numa imagem para abrir o editor de anotações em ecrã inteiro
  3. Usa o modo predefinido Draw ou muda para Smart quando suportado
  4. Seleciona uma classe e adiciona ou ajusta anotações diretamente na imagem
  5. Continua para outra imagem ou fecha o editor; as alterações são salvas automaticamente após cada edição

Para conjuntos de dados que podes editar, os controlos de anotação ficam ativos assim que o visualizador em ecrã inteiro é aberto no computador. Não existe um modo de edição separado nem um botão Edit. No telemóvel, ou quando não tens acesso de edição, o visualizador em ecrã inteiro é só de leitura.

Editor de Anotação em Ecrã Inteiro da Ultralytics Platform com Barra de Ferramentas

Modos de Anotação#

Draw é o modo predefinido para tarefas de anotação espacial. Para conjuntos de dados de deteção, segmentação, semântica, pose e OBB, a barra de ferramentas também disponibiliza o modo Smart quando a anotação inteligente está disponível:

ModoDescriçãoAtalho
DesenharModo manual predefinido com ferramentas de desenho específicas para cada tarefaV
InteligenteAnotação assistida por modelo com SAM para conjuntos de dados de deteção, segmentação, semântica e OBB; com modelos YOLO para esses conjuntos e para conjuntos de pose; ou com modelos orientados por classes (modelos alojados de código aberto ou modelos pagos de fornecedores) em conjuntos de dados de deteção com 1–200 classesS

A anotação de pose usa Draw com um modelo de esqueleto; o modo Smart disponibiliza apenas modelos YOLO de pose, sem seletor de SAM nem opção de aplicação automática. A classificação usa diretamente a barra lateral de classes e não apresenta qualquer barra de ferramentas de desenho nem o botão Smart.

A anotação inteligente requer que os recursos de IA estejam ativados para conjuntos de dados em armazenamento na nuvem, e não está disponível para conjuntos de dados On Premise nem para conjuntos de dados com mais de três canais de imagem.

O editor memoriza o teu modo, modelo e opção de aplicação automática para cada conjunto de dados no teu navegador.

Ferramentas do Modo Desenhar#

Caixa delimitadora (deteção)#

Desenha caixas retangulares à volta dos objetos:

  1. Seleciona uma classe na barra lateral de classes
  2. No modo predefinido Draw, clica e arrasta para desenhar um retângulo
  3. Solta o botão para concluir a caixa

Desenho de Caixa Delimitadora para Anotação de Deteção na Ultralytics Platform

Redimensionar e mover
  • Arrasta as 8 alças dos cantos/bordas para redimensionar
  • Arrasta o centro para mover
  • Prime Delete ou Backspace para remover a anotação selecionada

Polígono (segmentação)#

Desenha máscaras poligonais precisas:

  1. Seleciona uma classe na barra lateral de classes
  2. No modo predefinido Draw, clica para adicionar vértices ou mantém premido Shift e move o rato para desenhar à mão livre com pontos densos
  3. Faz duplo clique, clica no primeiro vértice ou prime Enter ou Escape para fechar o polígono

Durante o desenho, prime Z para remover o último vértice ou Delete para descartar o polígono.

Vértices de Polígono para Anotação de Segmentação na Ultralytics Platform

Editar vértices
  • Arrasta vértices individuais para os ajustar
  • Arrasta o polígono inteiro para o mover
  • Clica ou arrasta uma borda do polígono selecionado para inserir um vértice
  • Clica com o botão direito num vértice e escolhe Remover ponto (os polígonos têm de manter pelo menos 3 vértices), ou clica com o botão direito numa borda e escolhe Adicionar ponto

Ponto-chave (pose)#

Anota poses com modelos de esqueleto. Seleciona um modelo na barra de ferramentas, clica uma vez para posicionar todos os pontos-chave e, em seguida, arrasta pontos-chave individuais para ajustar as posições.

  1. Seleciona uma classe na barra lateral de classes
  2. No modo predefinido Draw, escolhe um modelo de esqueleto no seletor de modelos da barra de ferramentas
  3. Clica na imagem para posicionar todos os pontos-chave de uma só vez
  4. Arrasta pontos-chave individuais para ajustar as respetivas posições

Menu Suspenso de Modelos de Pose para Anotação na Ultralytics Platform

Modelos de esqueleto integrados#

O editor inclui 5 modelos integrados:

ModeloPontos-chaveDescrição
Pessoa17Pose do corpo humano COCO — nariz, olhos, orelhas, ombros, cotovelos, pulsos, ancas, joelhos, tornozelos
Mão21Pontos-chave da mão da Ultralytics — pulso e articulações do polegar, indicador, médio, anelar e mínimo
Cão18Pose animal AP-10K — nariz, cabeça, pescoço, ombros, base da cauda, cauda e 4 patas (cotovelos, joelhos, patas)
Rosto68Pontos de referência faciais iBUG 300W — maxilar, sobrancelhas, nariz, olhos, boca
Caixa4Pontos-chave dos cantos — superior esquerdo, superior direito, inferior direito, inferior esquerdo

Esqueleto de Pontos-Chave de Pose para Anotação na Ultralytics Platform

Modelos de esqueleto personalizados#

Cria modelos personalizados para qualquer estrutura de pose:

  1. Abre o seletor de modelos na barra de ferramentas e escolhe Novo modelo...
  2. Opcionalmente, clica em Começar a partir de... para carregar pontos-chave e ligações de um modelo existente e usá-lo como ponto de partida
  3. Coloca pontos-chave na tela clicando
  4. Atribui um nome a cada ponto-chave e personaliza as cores
  5. Liga pontos-chave selecionando dois pontos (as ligações são desenhadas automaticamente à medida que posicionas pontos-chave em sequência)
  6. Guarda o modelo para reutilizá-lo em todo o conjunto de dados

Modelo Personalizado de Pose para Anotação na Ultralytics Platform

Os modelos personalizados são guardados no espaço de trabalho do conjunto de dados e ficam disponíveis em todos os respetivos conjuntos de dados de pose. Edita-os ou elimina-os no seletor de modelos.

Fluxo de trabalho dos modelos

O sistema de modelos substitui o posicionamento manual e sequencial de pontos-chave. Em vez de clicar 17 vezes para criar um esqueleto COCO, seleciona o modelo Pessoa e clica uma vez — todos os pontos-chave são posicionados no esquema correto do esqueleto. Depois, arrasta-os para ajustar as posições à pose específica.

Visibilidade dos pontos-chave

Cada ponto-chave tem um indicador de visibilidade: 0 = não anotado, 1 = anotado, mas ocluído, 2 = anotado e visível. Os pontos-chave que posicionas são anotados como visíveis (2). Clica com o botão direito num ponto-chave e escolhe Ocultar ponto para marcá-lo como não anotado (0), ou clica com o botão direito na pose e escolhe Repor visibilidade para voltar a mostrar os pontos-chave ocultos. As etiquetas importadas mantêm os respetivos indicadores de visibilidade.

Caixa delimitadora orientada (OBB)#

Desenha caixas rodadas para objetos inclinados:

  1. Seleciona uma classe na barra lateral de classes
  2. No modo predefinido Draw, clica e arrasta para desenhar uma caixa inicial
  3. Usa a alça de rotação para ajustar o ângulo
  4. Arrasta as alças dos cantos para redimensionar

Caixa Rodada OBB para Anotação na Ultralytics Platform

Classificação (classificar)#

Atribui etiquetas de classe ao nível da imagem:

  1. Clica numa imagem para abrir o editor em ecrã inteiro
  2. Seleciona uma classe na barra lateral de classes ou prime uma tecla numérica de 1-9

Painel Lateral de Classificação para Anotação na Ultralytics Platform

Anotação inteligente#

A anotação inteligente adiciona a anotação assistida por modelo ao editor. No modo Inteligente, podes usar o Modelo de Segmentação de Qualquer Coisa (SAM) para anotar por cliques ou usar modelos Ultralytics YOLO pré-treinados e os teus próprios modelos YOLO ajustados para adicionar previsões como anotações. Em conjuntos de dados de detecção com 1–200 classes, o seletor também oferece modelos com indicação de classe que detetam as classes do conjunto de dados: nove modelos de código aberto hospedados (e mais um com Acesso antecipado ativado), SAM 3 e SAM 3.1 hospedados e orientados por texto, e modelos de visão pagos de doze fornecedores. A anotação inteligente com SAM está disponível para tarefas de detecção, segmentação, semântica e OBB; a anotação inteligente com YOLO também abrange pose.

As previsões do modelo nunca substituem os teus rótulos: uma previsão que se sobreponha a uma anotação existente da mesma classe acima do valor definido para IoU da previsão (predefinição 0.5, aplicado também enquanto os modelos com indicação de classe ocultam essa definição) é ignorada. A Anotação em lote aplica a mesma regra a imagens que já têm rótulos.

Anotação inteligente com SAM#

Com um modelo SAM selecionado:

  1. Seleciona Smart ou prime S
  2. Clica no objeto que queres anotar — o SAM gera uma máscara inicial em tempo real
  3. Refina a máscara com cliques adicionais: clica fora da máscara atual para aumentar a área abrangida ou clica dentro da máscara atual para subtrair regiões
  4. Prime Enter ou Escape para guardar a anotação, ou ativa a aplicação automática para fluxos de trabalho com um só clique

Pontos Positivos e Negativos e Máscara SAM para Anotação na Ultralytics Platform

Sugestões para SAM
  • Começa por clicar no centro do objeto
  • Clica novamente fora da máscara para aumentar a área abrangida
  • Clica dentro da máscara para subtrair regiões indesejadas
  • Ativa a aplicação automática (A) para anotar com um só clique
  • Mantém premido Shift enquanto a aplicação automática está ativada para posicionar vários pontos antes de aplicar a máscara
  • Funciona melhor com objetos distintos e contornos nítidos
  • Usa alguns cliques de refinamento para objetos alongados ou sobrepostos

A anotação inteligente com SAM pode gerar:

  • Polígonos para tarefas de segmentação
  • Caixas delimitadoras para tarefas de deteção
  • Caixas orientadas para tarefas OBB
Suporte do SAM por tarefa

A anotação inteligente com SAM está disponível apenas para as tarefas detect, segment, semantic e OBB. Conjuntos de dados de pose usam a anotação inteligente YOLO, enquanto a classificação requer anotação manual.

Modo de aplicação automática#

O modo de aplicação automática acelera a anotação inteligente ao salvar automaticamente a máscara SAM após cada clique — não é preciso pressionar Enter. Ative ou desative o modo com o botão de aplicação automática na barra de ferramentas ou pressione A.

ModoComportamento
Aplicação automática ATIVADAA máscara é aplicada automaticamente após cada clique
Aplicação automática ATIVADA + ShiftColoque vários pontos primeiro; a máscara será aplicada ao soltar
Aplicação automática DESATIVADA (padrão)Coloque os pontos livremente e pressione Enter para aplicar

Ultralytics Platform Annotate Sam Auto Apply Toggle

Quando usar a aplicação automática

A aplicação automática é ideal para conjuntos de dados com objetos bem separados, nos quais um único clique produz uma máscara precisa. Para objetos complexos ou sobrepostos, desative a aplicação automática e use vários pontos positivos/negativos para refinar a máscara antes de salvar.

Seleção do modelo SAM#

Quando o modo inteligente está ativo, um seletor de modelos aparece na barra de ferramentas. Há seis modelos SAM disponíveis — escolha com base no equilíbrio entre velocidade e precisão mais adequado ao seu conjunto de dados:

ModeloParâmetrosVelocidadeObservações
SAM 2.1 Tiny0.04BMais rápido
SAM 2.1 Small0.05BRápido
SAM 2.1 Base0.08BModerado
SAM 2.1 Large0.22BMais lentoO mais preciso do SAM 2.1
SAM 30.86BO mais lento
SAM 3.10.87BO mais lentoPadrão, geração mais recente

Ultralytics Platform Annotate Sam Model Selector

Ao trocar de modelo com o modo inteligente ativo, o preditor é reinicializado automaticamente para a imagem atual.

Anotação inteligente YOLO#

Com um modelo YOLO selecionado, a anotação inteligente pode adicionar previsões de modelos pré-treinados da Ultralytics ou dos teus próprios modelos ajustados.

  1. Seleciona Smart ou prime S
  2. Selecione um modelo YOLO no seletor de modelos da barra de ferramentas (Models ou My Models)
  3. Clique em Predict
  4. Revise as anotações adicionadas e faça as correções necessárias

Ultralytics Platform Annotate Smart Annotation Yolo Model

Observações sobre modelos YOLO
  • O seletor de modelos lista os modelos compatíveis com a tarefa do conjunto de dados atual; por isso, um conjunto de dados de pose oferece modelos de pose. Os conjuntos de dados de detecção e segmentação também exibem os modelos uns dos outros, desativados.
  • Se as classes do modelo forem diferentes das classes do conjunto de dados, uma caixa de diálogo Mapear classes associa cada classe do modelo a uma classe do conjunto de dados ou a ignora; se o conjunto de dados não tiver classes, a caixa de diálogo as cria.
  • Cada previsão adiciona até 1.000 objetos (300 para modelos RT-DETR), e a Anotação em lote com um modelo YOLO usa o mesmo limite.

Anotação inteligente com prompts de classe#

Num conjunto de dados de deteção com 1–200 classes, seleciona um modelo com prompt de classe e clica em Predict (ou prime P): o modelo deteta as classes do conjunto de dados em toda a imagem, usando limiares específicos do modelo, e adiciona caixas editáveis que podes rever e guardar como previsões YOLO. Estes modelos não devolvem pontuações de confiança, por isso as definições de previsão (confiança e IoU) ficam ocultas enquanto um deles estiver selecionado.

Os modelos alojados são executados na Ultralytics Platform sem uma chave do fornecedor:

ModeloProjeto do seletorParâmetros
Moondream 3.1Modelos de código aberto9B
Gemma 4 26BModelos de código aberto26B
Qwen3.8 27BModelos de código aberto27B
Nemotron 3 Nano OmniModelos de código aberto30B
WeVisOne-VL 4BModelos de código aberto4B
YOLOE-26xModelos de código aberto0.09B
Florence-2 LargeModelos de código aberto0.78B
OWLv2 LargeModelos de código aberto0.44B
Grounding DINO BaseModelos de código aberto0.23B
SAM 3 TextMeta0.86B
SAM 3.1 TextMeta0.87B

Modelos de visão pagos da OpenAI (incluindo GPT-6 Astra e GPT-6.1 Sol), Anthropic (incluindo Claude Fable 5.2 e Claude Opus 5.5), Google (incluindo Gemini 4 Argon, Gemini 4 Carbon e Gemini 4 Hydrogen), Meta, SpaceXAI, DeepSeek, Z.ai, Kimi, Xiaomi MiMo, Alibaba, MiniMax e Tencent (incluindo Hy4) aparecem no projeto de cada provedor no seletor:

ProviderModelCost per 1M tokens (input / output)
OpenAIGPT-6 Astra gpt-6-astra$10.00 / $50.00
OpenAIGPT-6.1 Sol gpt-6.1-sol$2.00 / $10.00
OpenAIGPT-6.1 Terra gpt-6.1-terra$1.00 / $5.00
OpenAIGPT-6 Luna gpt-6-luna$0.10 / $0.50
AnthropicClaude Fable 5.2 claude-fable-5-2$8.00 / $40.00
AnthropicClaude Opus 5.5 claude-opus-5-5$4.00 / $20.00
AnthropicClaude Sonnet 5.5 claude-sonnet-5-5$2.00 / $10.00
AnthropicClaude Haiku 5.5 claude-haiku-5-5$0.10 / $0.50
GoogleGemini 4 Carbon gemini-4-carbon$2.00 / $10.00
GoogleGemini 4 Argon gemini-4-argon$2.00 / $10.00
GoogleGemini 4 Hydrogen gemini-4-hydrogen$1.50 / $7.50
GoogleGemini 3.8 Flash gemini-3.8-flash$0.75 / $3.75
GoogleGemini 3.5 Flash-Lite gemini-3.5-flash-lite$0.30 / $2.50
MetaMuse Wonder 1.0 muse-wonder-1.0$4.00 / $20.00
MetaMuse Spark 1.3 muse-spark-1.3$1.25 / $4.25
MetaMuse Ember 1.0 muse-ember-1.0$0.10 / $0.50
SpaceXAIGrok 4.7 grok-4.7$2.00 / $6.00
DeepSeekDeepSeek Flash deepseek-flash$0.30 / $1.20
Z.aiGLM-5.3-Flash glm-5.3-flash$0.15 / $0.50
KimiKimi K3 kimi-k3$3.00 / $15.00
KimiKimi K3.1 Pro kimi-k3.1-pro$2.00 / $10.00
Xiaomi MiMoMiMo-V2.6-Pro mimo-v2.6-pro$0.435 / $0.87
Xiaomi MiMoMiMo-V2.6-Flash mimo-v2.6-flash$0.14 / $0.28
AlibabaQwen4-Max qwen4-max$1.50 / $4.50
AlibabaQwen3.8-Max qwen3.8-max$2.00 / $6.00
MiniMaxMiniMax-M3.1-Flash minimax-m3.1-flash$0.15 / $0.60
TencentHy4 hy4$0.834 / $2.501

Um modelo de fornecedor pago é executado com a chave do fornecedor guardada nas Definições > Chaves de API do espaço de trabalho do conjunto de dados; sem uma chave, a previsão falha com a ação Adicionar chave de API. O fornecedor cobra à tua chave cada previsão. Após cada previsão, a notificação apresenta o número de objetos detetados, o tempo decorrido, os tokens de saída quando o modelo os comunica (por exemplo, 1.8s · 1,248 output tokens · Free) e o custo: Gratuito para um modelo alojado; para um modelo pago, o custo estimado pelo fornecedor quando este é apresentado ou, caso contrário, Cobrado por e o nome do fornecedor.

Anotar objetos semelhantes com indicações visuais#

Em conjuntos de dados de detecção, segmentação e OBB com anotação inteligente disponível, Anotar semelhantes usa rótulos que já desenhaste como exemplos visuais: YOLOE-26x encontra mais objetos parecidos, sem precisar de nomes de classes nem de treino.

  1. Desenha alguns rótulos numa imagem, depois clica com o botão direito num deles e escolhe Anotar semelhantes. Todos os rótulos das classes selecionadas na imagem (até 200) são usados como exemplos. Se clicares com o botão direito na imagem fora de qualquer anotação, são usadas todas as anotações da tarefa do conjunto de dados nessa imagem; a ação permanece desativada até que a imagem tenha uma
  2. A caixa de diálogo mostra os Exemplos à esquerda e o Resultado à direita: os rótulos existentes na imagem, mais apenas os objetos novos, com uma contagem como 3 novos objetos encontrados. Ajusta os controlos deslizantes de confiança e IoU, que começam em 0.01 e 0.5. Em conjuntos de dados OBB, as caixas orientadas são ajustadas às máscaras de segmentação
  3. Clica em Aplicar para adicionar apenas os objetos novos a esta imagem, sem custos. Aplicar fica desativado quando não são encontrados objetos novos

As redeteções dos teus exemplos e de outros rótulos existentes são ignoradas pela mesma regra de IoU que se aplica às outras previsões, e os objetos novos não se repetem entre si.

Depois de clicares em Aplicar, a notificação oferece a opção Anotar tudo. Esta abre a Anotação em lote com os mesmos exemplos no lugar do seletor de modelos, listados em Classes de exemplo: pré-visualiza as amostras, ajusta a confiança (predefinição 0.25) e o IoU (predefinição 0.5), e clica em Iniciar para encontrar objetos semelhantes em todas as imagens sem rótulos, ou em todas as imagens se Incluir imagens anotadas estiver ativado. Os exemplos são lidos a partir da imagem em que os desenhaste, mesmo que mudes para outra imagem antes de clicar em Anotar tudo, e a execução é cobrada como qualquer execução de Anotação em lote.

Anotação em lote#

A Anotação em lote executa um modelo — um modelo YOLO, um modelo com indicação de classe em conjuntos de dados de detecção com 1–200 classes, ou YOLOE-26x com exemplos visuais — em todo um conjunto de dados, em vez de apenas na imagem aberta. Abre-a na página do conjunto de dados através de Mais ações > Anotação em lote, pela ação Anotar tudo na notificação após uma previsão do editor encontrar objetos ou após Encontrar imagens semelhantes adicionar imagens, ou pela opção Anotar tudo após Anotar semelhantes. Está disponível para editores de conjuntos de dados em conjuntos de dados hospedados na Platform com até três canais de imagem, para todas as tarefas exceto profundidade.

  1. Seleciona um modelo no seletor (Models, incluindo os Modelos de código aberto e projetos de fornecedores em conjuntos de dados de deteção com 1–200 classes, ou My Models); a caixa de diálogo abre com o modelo que usaste pela última vez no modo inteligente ou com o Moondream 3.1 num conjunto de dados de deteção se o modelo usado tiver sido SAM ou se não tiveres usado nenhum
  2. Para um modelo YOLO, ajuste os controles deslizantes de confiança (padrão 0.25) e IoU (padrão 0.5) — as imagens de amostra ao lado das configurações mostram o que o modelo encontra conforme você move os controles. Um modelo com prompts de classe detecta as classes do conjunto de dados (1–200) usando limites específicos para o modelo, em vez dessas configurações, e não retorna pontuações
  3. Ativa Incluir imagens anotadas para também executar a anotação em imagens que já têm rótulos; a execução mantém os rótulos existentes e adiciona apenas o que ainda falta em cada imagem. As amostras das imagens anotadas pré-visualizam os respetivos rótulos e o que a execução adiciona
  4. Revise o Custo estimado e clique em Iniciar

Ultralytics Platform Datasets Batch Annotation Dialog Sample Previews

Por padrão, apenas imagens sem rótulos são anotadas, e os rótulos existentes nunca são alterados. A execução requer classes no conjunto de dados. Para um modelo YOLO, se as classes do modelo forem diferentes das classes do conjunto de dados, uma etapa Mapear classes associa cada classe do modelo a uma classe do conjunto de dados ou a ignora; se o conjunto de dados não tiver classes, essa etapa as cria — a execução só começa depois que as classes existem. Ao iniciar uma execução, uma versão do conjunto de dados é salva primeiro, para que você possa restaurar o conjunto de dados caso não goste do resultado.

A página do conjunto de dados mostra o progresso da execução, e Stop mantém e cobra as imagens processadas até então. Quando a execução termina, é apresentado um resumo com as imagens processadas e as anotações e classes adicionadas. Se um fornecedor pago rejeitar a tua chave ou limitar a respetiva taxa em três imagens consecutivas, a execução para antecipadamente e indica quantas imagens não foram processadas.

Custo da anotação em lote

A anotação em lote custa US$ 1,00 por 1.000 imagens processadas, com um mínimo de US$ 0,01 por execução. O valor estimado é retido do seu saldo quando a execução começa e ajustado conforme as imagens realmente processadas; a cobrança aparece na guia Faturamento como Anotação automática quando você fecha o resumo da execução. Com um modelo pago de provedor, esse valor cobre apenas a taxa de processamento da Platform: o provedor também cobra da sua chave de API pelas prévias da execução de teste e pelas anotações.

Barra lateral de classes#

O editor de anotações inclui uma barra lateral de classes recolhível, no lado direito da tela. A barra lateral oferece:

  • Pesquisar classes: Filtre a lista de classes digitando no campo de pesquisa. Pressione Enter para selecionar uma correspondência exata ou crie uma nova classe se não houver correspondência.
  • Criar classe em linha: Clique em Add class na parte inferior da lista, digite um nome e, opcionalmente, escolha uma cor personalizada. Pressione Enter para criar a classe.
  • Editar nome da classe em linha: Passe o cursor sobre o nome de uma classe e clique no ícone de lápis para renomeá-la.
  • Seletor de cores: Clique na amostra de cor ao lado de qualquer classe para alterar a cor.
  • Contagem de anotações por classe: Cada linha de classe mostra a contagem de anotações em sobrescrito.
  • Expandir/recolher: Clique na seta para expandir uma classe e ver as anotações individuais listadas abaixo dela.
  • Realce bidirecional ao passar o cursor: Ao passar o cursor sobre uma anotação na tela, ela é realçada na barra lateral, e vice-versa. A barra lateral rola automaticamente até a classe correspondente. Ao passar o cursor sobre uma linha de classe ou sobre o marcador dessa classe no detalhamento abaixo da imagem, todas as anotações da classe são realçadas.
  • Ocultar/mostrar uma classe inteira: Clique no ícone de olho em uma linha de classe para ocultar ou mostrar todas as anotações dessa classe de uma só vez.
  • Ocultar/mostrar anotações individuais: Clique no ícone de olho em qualquer linha de anotação para alternar sua visibilidade na tela.
  • Excluir anotações: Clique no ícone de lixeira em qualquer linha de anotação para excluí-la.
  • Atalhos de teclado: Pressione 1-9 para selecionar rapidamente as 9 primeiras classes, H para alternar a visibilidade de todas as anotações da imagem ou ] para mostrar ou ocultar a barra lateral.

Menu de contexto#

Clique com o botão direito em uma anotação para abrir um menu de contexto com:

AçãoAtalho
Trazer para frenteCmd/Ctrl+Shift+]
Enviar para trásCmd/Ctrl+Shift+[
AvançarCmd/Ctrl+]
RecuarCmd/Ctrl+[
Ocultar anotação(ões)
Excluir anotação(ões)Delete / Backspace

Clicar com o botão direito num vértice ou numa aresta de um polígono adiciona Remover ponto ou Adicionar ponto, e clicar com o botão direito num ponto-chave de pose adiciona Ocultar ponto e Repor visibilidade. O menu também oferece Desfocar rostos quando disponível e, em conjuntos de dados de detecção, segmentação e OBB com anotação inteligente disponível, Anotar semelhantes, que encontra mais objetos semelhantes aos dos rótulos selecionados.

Controles de visibilidade#

O menu suspenso de visibilidade (ícone de olho) permite alternar a exibição de elementos individuais:

AlternarDescrição
AnotaçõesMostrar ou ocultar todas as sobreposições de anotação
Rótulos de classeMostrar ou ocultar os rótulos com os nomes das classes nas anotações
Mostrar pixelsAlternar a renderização pixelizada para inspecionar o zoom (tela cheia)
MiraMostrar o cursor em forma de mira com coordenadas de pixel durante a anotação
Miniaturas de navegaçãoMostrar a faixa de miniaturas de navegação (tela cheia)
Barra de informações inferiorMostrar ou ocultar a barra de informações da imagem na parte inferior (tela cheia)
Mostrar tudoAlternar anotações, rótulos, mira, miniaturas e barra de informações inferior de uma só vez (não afeta a renderização pixelizada)

Cursor em forma de mira#

Durante a anotação, uma sobreposição em forma de mira acompanha a posição do cursor e exibe as coordenadas de pixel na tela. Isso ajuda a posicionar as anotações com precisão. Ative ou desative esse recurso pelo menu suspenso de visibilidade.

Prévia ao passar o cursor com SAM#

No modo inteligente, o SAM fornece uma prévia em tempo real ao passar o cursor, antes de você clicar em qualquer ponto. Essa prévia está disponível para as tarefas detect, segment, semantic e OBB. Depois que você adiciona cliques de refinamento, a prévia é atualizada para refletir a máscara atual e o tipo de anotação da tarefa ativa.

Edição de vértices de polígonos#

Para anotações de segmentação e semânticas, você pode editar os vértices do polígono após desenhá-lo:

  • Mover vértices: Arraste qualquer alça de vértice para reposicioná-la
  • Adicionar vértices: Clique ou arraste uma aresta do polígono selecionado, ou clique com o botão direito em uma aresta e escolha Adicionar ponto
  • Remover vértices: Clique com o botão direito em um vértice e escolha Remover ponto; os polígonos mantêm pelo menos 3 vértices

Gerenciamento de classes#

Criar classes#

Define as classes de anotação do teu conjunto de dados na aba Classes:

  1. Acede à aba Classes
  2. Usa o campo de entrada na parte inferior para escrever o nome de uma classe
  3. Clica em Add ou prime Enter
  4. Uma cor é atribuída automaticamente a partir da paleta da Ultralytics

Aba de anotação de classes da Ultralytics Platform: adicionar nova classe

Adicionar uma nova classe durante a anotação#

Podes criar novas classes diretamente durante a anotação, sem sair do editor:

  1. Desenha uma anotação na imagem
  2. Na barra lateral de classes, clica em Add class (ou escreve um novo nome na caixa de pesquisa da barra lateral)
  3. Introduz o nome da classe
  4. Prime Enter para criar e atribuir a classe

Isto permite-te definir classes à medida que encontras novos tipos de objetos nos teus dados.

Tabela unificada de classes

Todas as classes do teu conjunto de dados são geridas numa tabela unificada. As alterações aos nomes ou às cores das classes são aplicadas automaticamente em todo o conjunto de dados.

Editar classes#

  • Renomear: clica no nome de uma classe na tabela para editá-lo diretamente
  • Alterar a cor: clica na amostra de cor para abrir o seletor de cores
  • Pesquisar: usa o campo de pesquisa para filtrar classes pelo nome
  • Ordenar: clica nos cabeçalhos das colunas para ordenar por índice, nome, número de anotações ou número de imagens

Cores das classes#

Cada classe recebe uma cor da paleta da Ultralytics. Podes personalizar as cores com o seletor de cores no separador Classes; as cores selecionadas são usadas em todo o conjunto de dados. As exportações de modelos incluem as cores atuais das classes do conjunto de dados.

Atalhos de teclado#

Acelera a anotação com atalhos de teclado:

AtalhoAção
Cmd/Ctrl+SSalvar anotações
Cmd/Ctrl+ZDesfazer
Cmd/Ctrl+YRefazer
EscapeGuardar / Anular seleção / Sair
Delete / BackspaceExcluir anotação selecionada
Cmd/Ctrl+DeleteEliminar imagem
HAlternar todas as anotações
RGire a imagem no sentido horário
]Mostrar ou ocultar a barra lateral de classes
← / →Imagem anterior / seguinte
1-9Selecionar classe 1-9
Cmd/Ctrl+ScrollAumentar/diminuir zoom
Cmd/Ctrl++ ou Cmd/Ctrl+=Aumentar zoom
Cmd/Ctrl+-Diminuir zoom
Cmd/Ctrl+0Ajustar à área de visualização
Space+Drag ou arrastar com o botão do meio do ratoDeslocar a tela
Shift+ClickSelecionar várias anotações
Cmd/Ctrl+ASelecionar todas as anotações
Cmd/Ctrl+CCopiar as anotações selecionadas
Cmd/Ctrl+XRecortar as anotações selecionadas
Cmd/Ctrl+VColar anotações

Caixa de diálogo de atalhos de teclado da anotação na Ultralytics Platform

Ver todos os atalhos

Clica no ícone de teclado na barra de ferramentas de anotação para abrir a lista de atalhos.

Anular/refazer#

O editor de anotações mantém um histórico completo de ações para anular e refazer:

  • Anular: Cmd/Ctrl+Z
  • Refazer: Cmd/Ctrl+Y

O histórico regista:

  • Adicionar anotações (individualmente e em lote)
  • Editar anotações (mover, redimensionar, rodar)
  • Eliminar anotações (individualmente e em lote)
  • Alterar classes (individualmente e em lote)
  • Reordenar anotações (ordem Z)
  • Editar vértices de polígonos (adicionar, remover, mover)
  • Mover pontos-chave
Anulação ilimitada

A pilha de anulações não tem um limite fixo — podes anular alterações feitas desde que abriste a imagem.

Guardar anotações#

As alterações são guardadas automaticamente um segundo após a última edição de uma anotação. Também são guardadas quando passas para outra imagem ou fechas o editor em ecrã inteiro.

  • Guardar agora: clica no botão de guardar ou prime Cmd/Ctrl+S
  • Fechar: clica no botão de fechar, clica fora da imagem ou prime Escape; ao fechar, as alterações pendentes são guardadas em segundo plano
Guarda o teu trabalho

Espera que o estado Saving... ou Unsaved desapareça da barra de informações da imagem antes de fechares o separador do navegador. Podes guardar manualmente a qualquer momento com o botão de guardar ou Cmd/Ctrl+S.

Perguntas frequentes#

  • O SAM fornece máscaras de alta qualidade para a maioria dos objetos. A precisão depende de:

    • O grau de distinção do objeto em relação ao fundo
    • A qualidade e a resolução da imagem
    • O número de pontos positivos/negativos fornecidos

    Para obter os melhores resultados, começa por clicar no centro do objeto. Em seguida, clica fora da máscara para aumentar a cobertura e dentro da máscara para subtrair objetos próximos ou o fundo.

  • Sim. Carrega o teu conjunto de dados com ficheiros de etiquetas no formato YOLO, ficheiros de anotação COCO JSON, ficheiros JSON do LabelMe, uma exportação NDJSON do Ultralytics NDJSON ou do Labelbox. A Platform analisa os ficheiros durante o processamento e apresenta-os no editor. As etiquetas Pascal VOC XML não são importadas — converte-as primeiro para YOLO ou COCO. Consulta Preparar o teu conjunto de dados.

  • Depois de desenhares uma anotação:

    1. Mantém a mesma classe selecionada
    2. Desenha a anotação seguinte
    3. Repete até etiquetar todos os objetos

    O atalho de teclado 1-9 permite selecionar classes rapidamente.

  • Sim, mas para obter os melhores resultados:

    • Rotule todos os objetos das classes-alvo em cada imagem
    • Use o filtro Annotations definido como Unannotated para identificar as imagens que ainda precisam de anotação
  • SAM 3.1 é o modelo padrão e a geração mais recente — comece por ele para obter máscaras da mais alta qualidade; SAM 3 continua disponível. Mude para SAM 2.1 Small para um fluxo de trabalho interativo mais rápido com objetos comuns, ou para SAM 2.1 Large quando precisar de maior precisão das máscaras em formas complexas. Use SAM 2.1 Tiny para obter velocidade máxima em objetos simples e de alto contraste.

  • A anotação inteligente com SAM está disponível para as tarefas detect, segment, semantic e OBB. Em conjuntos de dados de pose, o modo Smart executa apenas a anotação inteligente com YOLO, e a classificação usa apenas a anotação manual. Em conjuntos de dados em armazenamento na nuvem, os recursos de IA precisam estar ativados; o recurso não está disponível em conjuntos de dados On Premise nem em conjuntos de dados com mais de três canais de imagem.

  • Sim. Usa a Anotação em lote em Mais ações > Anotação em lote, na página do conjunto de dados. A ferramenta executa um modelo em todo o conjunto de dados: um modelo YOLO oficial, um dos teus próprios modelos treinados ou carregados de My Models ou, em conjuntos de dados de detecção com 1–200 classes, um modelo com indicação de classe, como SAM 3.1 Text, que deteta os nomes das tuas classes. Por predefinição, anota apenas imagens sem rótulos, mantém os rótulos existentes e guarda primeiro uma versão do conjunto de dados para que a possas restaurar. O custo é de $1.00 por cada 1,000 imagens processadas (mínimo de $0.01), e os modelos pagos dos fornecedores também são cobrados pelo fornecedor. A Anotação em lote funciona em conjuntos de dados hospedados na Platform com até três canais de imagem e não está disponível para profundidade. Para encontrar objetos semelhantes aos que já desenhaste, usa Anotar semelhantes e clica em Anotar tudo.

  • Sim. Em conjuntos de dados de detecção com 1–200 classes, a anotação inteligente e a anotação em lote podem executar modelos de visão pagos, como Gemini 4 Argon, GPT-6.1 Sol, GPT-6 Astra, Claude Opus 5.5 e Claude Fable 5.2, usando a chave do seu próprio provedor em Configurações > Chaves de API. Selecione o modelo no seletor, sob o respectivo provedor, e clique em Predict; o provedor cobra da sua chave por cada previsão. A seção de modelos com prompts de classe lista todos os modelos disponíveis sem acesso antecipado.

  • O VLM Leaderboard classifica modelos com prompts de classe por mAP50 e compara o custo e a velocidade deles em 360 imagens de 36 conjuntos de dados de detecção do mundo real, abrangendo cenas médicas, aéreas, industriais, de varejo e cotidianas. Nos resultados de novembro de 2026, modelos pagos de ponta como Gemini 4 Carbon (gemini-4-carbon), GPT-6.1 Terra, Gemini 4 Hydrogen (gemini-4-hydrogen), Claude Fable 5.2 e Gemini 4 Argon foram os mais precisos; Claude Haiku 5.5 (claude-haiku-5-5) e Muse Ember 1.0 (muse-ember-1.0) foram os modelos de baixo custo mais precisos; e Qwen3.8 27B, WeVisOne-VL 4B e Gemma 4 26B foram os modelos hospedados mais precisos, sem necessidade de chave de provedor. A precisão depende muito do domínio: modelos que encontram quase todos os objetos em fotos cotidianas deixam passar muitos objetos em imagens de PCB, raio X, varejo e trânsito, além de alguns conjuntos de dados médicos; por isso, execute algumas previsões nas suas próprias imagens antes de iniciar a Anotação em lote.

  • Sim. Abra o seletor de modelos de esqueleto e escolha New Template... para abrir o editor de modelos. Posicione os pontos-chave, dê nomes a eles, desenhe as conexões e salve. Os modelos personalizados são armazenados no espaço de trabalho do conjunto de dados e ficam disponíveis em todos os conjuntos de dados de pose desse espaço.

  • Clique no menu suspenso do seletor de modelos na barra de ferramentas de anotação. Selecione qualquer modelo integrado (Person, Hand, Dog, Face, Box) ou um dos seus modelos personalizados salvos. O modelo selecionado determina quais pontos-chave são posicionados quando você clica na imagem.

  • Selecione uma ou mais anotações, pressione Cmd/Ctrl+C para copiar (ou Cmd/Ctrl+X para recortar), navegue até outra imagem usando as teclas de seta ou a faixa de miniaturas e pressione Cmd/Ctrl+V para colar. O conteúdo da área de transferência permanece disponível enquanto o editor em tela cheia estiver aberto.

Comentários6

Faz uma pergunta, partilha os teus resultados ou ajuda alguém.

    1. Glenn JocherUltralytics

      Yes, the free plan includes smart annotation, but it isn’t unlimited; plan-specific usage limits are covered on the pricing page, and yes, SAM 3 can also be run locally on your own GPU outside the browser once you have the required weights, as shown in the SAM 3 docs and the Platform annotation guide—feel free to post any follow-up here so the Ultralytics team can see it.

    2. 앙시모사우루스

      Thank you for your reply. I just downloaded the sam3.pt file. Are you saying that I can run this model directly on my GPU on the Ultralytics Platform? Or is it not available on the Ultralytics Platform, and do I have to use the sam3.pt model in an external tool? What I want is to run sam3.pt directly on my GPU while using the basic labeling function of the 'Ultralytics Platform'. The 'Ultralytics Platform' is awesome.

    3. Glenn JocherUltralytics

      Thanks, glad it’s been helpful. Based on the current docs, remote training is the only local-hardware workflow documented in Ultralytics Platform, while the Annotation Editor lists SAM 3 as a built-in smart-annotation option but does not document running that editor on your own GPU, so if you want to use your downloaded sam3.pt on a local GPU today, that would be outside the Platform UI using the flow in the SAM 3 docs. (docs.ultralytics.com)

  1. COChinbayar Odkhuu

    I’m using Smart Annotation and there’s a Predict button. I already trained my own model and want to use it on another dataset, but I want to lower the confidence threshold so I can also see weaker or incorrect auto-predictions for review. Is there any confidence slider or toggle where I can adjust this?

    1. Murat Raimbekov

      hi @chinba-sudo ! that sounds like a good feature request, our team is already working on configurable confidence, I will ping you when it's live