Integração com o Labelbox#

A Ultralytics Platform lê diretamente as exportações NDJSON do Labelbox. Não há nenhuma chave para colar, nenhuma ligação para manter ativa e nenhum script de conversão para manter — exporta a partir do Labelbox, carrega o ficheiro e as tuas etiquetas chegam como um dataset normal da Platform.

Importar do Labelbox#

1. Exporta a partir do Labelbox. Abre o projeto de anotação ou catálogo que queres importar e vai para o separador Data Rows. Seleciona All, clica em Export data, escolhe os campos a incluir e confirma. Estás a exportar a partir do Catalog em vez de um projeto? Ativa Export labels from project e seleciona o projeto; caso contrário, o ficheiro chega sem quaisquer anotações.
2. Transfere o ficheiro. O Labelbox executa a exportação como uma tarefa em segundo plano. Procura-a em Notifications e clica em Download quando terminar para guardares o ficheiro .ndjson.
3. Carrega para a Platform. Cria um novo dataset e carrega o ficheiro .ndjson ou cola uma ligação direta para o mesmo. Também podes começar em Settings > Integrations > Labelbox.
4. Treina. Quando o processamento terminar, edita as anotações e treina exatamente como farias com qualquer outro dataset da Platform.

Ao contrário do CVAT e do Label Studio, não há nenhum formato para escolher — a exportação própria do Labelbox é a suportada.

Exportar com o SDK#

O Labelbox também disponibiliza a tarefa de exportação no seu SDK de Python, que é a opção mais simples para um pipeline repetível. Transmite a tarefa e escreve um objeto JSON por linha:

import json

import labelbox

client = labelbox.Client(api_key="YOUR_LABELBOX_API_KEY")
export_task = labelbox.ExportTask.get_task(client, "YOUR_EXPORT_TASK_ID")
export_task.wait_till_done()  # streaming a task that isn't COMPLETE raises

with open("dataset.ndjson", "w") as f:
    f.writelines(json.dumps(data_row.json) + "\n" for data_row in export_task.get_buffered_stream())

O que é importado#

A Platform reconhece automaticamente o formato do Labelbox e mapeia caixas delimitadoras e polígonos para o tipo de tarefa YOLO correspondente:

O name de cada objeto torna-se o nome da classe — por isso uma anotação "name": "Dog" é importada como a classe Dog, e não como o seu value em minúsculas — e as coordenadas dos píxeis são normalizadas em relação às dimensões media_attributes na exportação. Cada imagem recebe o nome do seu data_row.external_id, usando como alternativa o nome do ficheiro no URL assinado quando a exportação não contém um ID externo. Uma exportação de catálogo sem anotações é importada como um dataset de imagens sem etiquetas, pronto para ser anotado no editor de anotações da Platform.

Uma única linha de dados tem este aspeto, limitada aos campos lidos pela Platform:

{
    "data_row": {
        "external_id": "000000000307.jpg",
        "row_data": "https://storage.labelbox.com/...?Expires=...&Signature=..."
    },
    "media_attributes": { "height": 480, "width": 640, "mime_type": "image/jpeg" },
    "projects": {
        "<project-id>": {
            "labels": [
                {
                    "annotations": {
                        "objects": [
                            {
                                "name": "Dog",
                                "annotation_kind": "ImageBoundingBox",
                                "bounding_box": { "top": 200.0, "left": 407.0, "height": 172.0, "width": 176.0 }
                            }
                        ]
                    }
                }
            ]
        }
    }
}

Tudo o resto na exportação — embeddings, metadata_fields, attachments, project_details — é ignorado. Vale a pena não selecionar os embeddings ao exportar: numa exportação de exemplo, representavam cerca de quatro quintos do ficheiro, contra um quinto para os campos que a Platform realmente lê.