Integração com o Label Studio#
As importações diretas do Label Studio estão a caminho da Ultralytics Platform, para que uma exportação bruta de deteção ou segmentação de imagens seja carregada tal como está, sem necessidade de escolher um formato.
Até lá, existe um processo curto que funciona atualmente, porque a exportação YOLO with Images do Label Studio utiliza uma estrutura que a Platform lê, incluindo a lista de classes.
Importar do Label Studio atualmente#
- Exporta do Label Studio. Abre o teu projeto e clica em Export.
- Escolhe um formato que inclua as imagens. Seleciona YOLO with Images e clica em Export.
- Carrega para a Platform. Cria um novo dataset a partir do ZIP.
- Treina. Edita as anotações, treina e implementa sem sair do workspace.
As opções YOLO e COCO do Label Studio criam ficheiros de etiquetas sem as imagens, porque normalmente as tuas imagens estão alojadas nos URLs para os quais o Label Studio foi direcionado. Carregar um desses arquivos para a Platform cria um dataset sem imagens. Em vez disso, escolhe a variante with Images.
Exportar com a API#
A API de exportação do Label Studio devolve o mesmo arquivo, com o nome do formato em exportType:
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.zipCOCO_WITH_IMAGES e YOLO_OBB_WITH_IMAGES funcionam da mesma forma. Os tokens de acesso pessoal mais recentes são trocados por um token bearer de curta duração antes da utilização, por isso verifica que tipo de token a tua instância emite. Projetos grandes devem utilizar os endpoints de snapshot, que criam a exportação como uma tarefa em segundo plano e fazem o download através do ID; o exemplo export_yolo_with_images.py do SDK faz exatamente isso.
Uma exportação YOLO do Label Studio inclui a lista de classes juntamente com as etiquetas, e a Platform lê-a:
archive.zip/
├── classes.txt # class names Platform reads first
├── notes.json # fallback, used only when classes.txt is missing or empty
├── images/
└── labels/Carrega o arquivo exatamente como foi produzido pelo Label Studio. A Platform procura classes.txt e notes.json na raiz do arquivo, por isso voltar a compactar a exportação dentro de outra pasta faz com que os nomes das etiquetas se percam e as classes sejam importadas como class0, class1 e assim por diante.
Escolher um formato de exportação#
O Label Studio disponibiliza vários formatos de exportação. Para deteção e segmentação de imagens:
| Formato do Label Studio | Funciona | Notas |
|---|---|---|
| YOLO with Images | Melhor | Inclui classes.txt e as imagens, por isso um único carregamento é suficiente |
| COCO with Images | Sim | Também é lido; uma mistura de polígonos e caixas é importada como segmentação, descartando as caixas sem polígonos |
| YOLO / COCO | Não | Apenas ficheiros de anotações — o dataset é importado sem imagens |
| Pascal VOC XML | Não | Não é possível ler ficheiros XML de etiquetas |
Numa exportação COCO, todas as anotações têm de conter um bbox para serem lidas, as regiões de multidão ("iscrowd": 1) são ignoradas e os nomes das categorias tornam-se os nomes das tuas classes — por isso, um arquivo COCO não precisa de classes.txt para manter as suas etiquetas.
A Platform não lê etiquetas Pascal VOC XML, e uma exportação VOC falha silenciosamente em vez de apresentar um erro: as imagens são importadas, mas as anotações não. Escolhe YOLO with Images ou COCO with Images.
O que a integração vai adicionar#
Escolher o formato de exportação correto é a etapa que a integração elimina. Quando estiver disponível, poderás exportar qualquer um dos formatos de deteção e segmentação de imagens do Label Studio, carregá-lo e a Platform associará automaticamente as anotações à tarefa YOLO correspondente.
- Sem necessidade de escolher um formato — as exportações de deteção e segmentação de imagens do Label Studio são convertidas num dataset YOLO com os nomes das etiquetas preservados
- Um único workspace — a etiquetagem, o treino e a implementação deixam de depender de ferramentas separadas e de um script de conversão
- Continua a anotar — os datasets importados abrem no editor de anotações da Platform, incluindo a anotação inteligente com tecnologia SAM
- Treina imediatamente — os datasets ficam prontos para o treino na cloud assim que terminam de ser processados