Link to this sectionIntegração com o Labelbox#

O Ultralytics Platform lê exportações NDJSON do Labelbox diretamente. Não há nenhuma chave para colar, nenhuma conexão para manter ativa e nenhum script de conversão para manter — exporte do Labelbox, carregue o arquivo e suas etiquetas chegam como um conjunto de dados normal da Platform.

Link to this sectionImportar do Labelbox#

1. Exporte do Labelbox. Abra o projeto de rotulagem ou o catálogo que você deseja trazer e vá para a aba Data Rows. Selecione All, clique em Export data, escolha os campos a serem incluídos e confirme. Vai exportar do Catalog em vez de um projeto? Ative Export labels from project e escolha o projeto, ou o arquivo chegará sem nenhuma anotação.
2. Baixe o arquivo. O Labelbox executa a exportação como um trabalho em segundo plano. Fique de olho em Notifications e clique em Download quando terminar para salvar o arquivo .ndjson.
3. Carregue na Platform. Crie um novo conjunto de dados e carregue o arquivo .ndjson, ou cole um link direto para ele. Você também pode começar em Settings > Integrations > Labelbox.
4. Treine. Assim que o processamento terminar, edite as anotações e treine exatamente como qualquer outro conjunto de dados da Platform.

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

Link to this sectionExportar com o SDK#

O Labelbox também oferece a tarefa de exportação em seu SDK em Python, que é o caminho mais fácil para um pipeline repetível. Faça o streaming da tarefa e escreva 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())

Link to this sectionO que é importado#

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

O name de cada objeto se torna o nome da classe — portanto, uma anotação "name": "Dog" é importada como a classe Dog, e não o seu value em minúsculas — e as coordenadas de pixels são normalizadas em relação às dimensões de media_attributes na exportação. Uma exportação de catálogo sem anotações é importada como um conjunto de dados de imagens não rotuladas, pronto para ser rotulado no editor de anotações da Platform.

Uma única linha de dados se parece com isto, recortada para os campos que a Platform lê:

{
    "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 }
                            }
                        ]
                    }
                }
            ]
        }
    }
}

Todo o resto na exportação — embeddings, metadata_fields, attachments, project_details — é ignorado. Vale a pena desmarcar os embeddings ao exportar: em uma exportação de amostra, eles representavam cerca de quatro quintos do arquivo, contra um quinto para os campos que a Platform realmente lê.