Segurança pronta para empresas: Em conformidade com ISO 27001 + SOC 2 Tipo I.

Link to this sectionExportar Anotações do LabelMe para o formato YOLO e Ultralytics Platform#

LabelMe é uma ferramenta de anotação de imagens offline com uma aplicação Python de código aberto. Não há conexão ao vivo com o LabelMe ou chave de API para configurar na Ultralytics Platform. A integração completa é um fluxo de trabalho local: anotar no LabelMe, converter as anotações JSON do LabelMe para o formato YOLO com o LabelMe Toolkit e carregar o ZIP resultante como um conjunto de dados da Platform.

Link to this section1. Anotar as Imagens no LabelMe#

Instala o LabelMe usando o app para desktop ou o pacote Python de código aberto, depois abre o diretório que contém as tuas imagens. O LabelMe guarda as anotações de cada imagem num ficheiro JSON correspondente.

Para o fluxo de trabalho de deteção YOLO neste guia, desenha retângulos à volta de cada objeto e atribui um nome de classe. O guia inicial do LabelMe abrange a abertura de imagens, desenho de formas e salvamento de anotações, enquanto o guia de conjuntos de dados do LabelMe abrange a revisão e preparação de um conjunto de dados anotado completo.

O teu diretório de origem deve conter as imagens e os ficheiros JSON do LabelMe:

your_dataset/
├── image_001.jpg
├── image_001.json
├── image_002.jpg
└── image_002.json

Link to this section2. Instalar o LabelMe Toolkit#

Instala o LabelMe Toolkit seguindo o guia de instalação do toolkit do LabelMe. O toolkit e as suas exportações rodam localmente.

O LabelMe Pro é necessário para a exportação

export-to-yolo faz parte do LabelMe Pro Toolkit, e transferir o seu instalador requer iniciar sessão no LabelMe. Este é um requisito do produto LabelMe; o ZIP resultante pode ser carregado em qualquer plano da Platform.

Verifica a instalação e lista todas as etiquetas encontradas no conjunto de dados de origem:

labelmetk --version
labelmetk list-labels your_dataset/

Revisa a saída antes de exportar. As etiquetas omitidas de --class-names são ignoradas, e a ordem que forneces torna-se a ordem de IDs de classe YOLO.

Link to this section3. Exportar para o Formato YOLO#

Executa export-to-yolo com o diretório de origem e uma lista separada por vírgulas de nomes de classes:

labelmetk export-to-yolo your_dataset/ --class-names crack,normal

Substitui crack,normal pelas etiquetas retornadas por list-labels. O LabelMe escreve o resultado em your_dataset.export/:

your_dataset.export/
├── classes.txt
├── images/
│   ├── image_001.jpg
│   └── image_002.jpg
└── labels/
    ├── image_001.txt
    └── image_002.txt

classes.txt preserva os nomes das classes na mesma ordem usada pelos ficheiros de etiquetas YOLO. Mantém-no na raiz da exportação.

Este fluxo de trabalho cria um conjunto de dados de deteção

O LabelMe Toolkit exporta retângulos como caixas delimitadoras YOLO. Ele também reduz polígonos e máscaras para as suas caixas delimitadoras alinhadas aos eixos, portanto export-to-yolo não preserva a geometria de segmentação. Desenha retângulos ao preparar um conjunto de dados de deteção com este fluxo de trabalho.

Link to this section4. Criar o Arquivo ZIP#

Compacta o conteúdo de your_dataset.export/, e não o diretório à volta deles. No macOS ou Linux:

cd your_dataset.export
zip -r ../your_dataset.zip classes.txt images labels

No Windows PowerShell:

Compress-Archive -Path .\your_dataset.export\* -DestinationPath .\your_dataset.zip

Abre o ZIP antes de carregar e confirma que classes.txt, images/ e labels/ estão na sua raiz. Um wrapper your_dataset.export/ extra impede que a Platform encontre a lista de classes raiz.

Link to this section5. Carregar para a Ultralytics Platform#

  1. Abre Settings > Integrations > LabelMe.
  2. Clica em Upload export.
  3. Carrega your_dataset.zip e conclui a criação do conjunto de dados.
  4. Aguarda a conclusão do processamento e, em seguida, revisa as imagens, classes e anotações.
  5. Edita as anotações, treina um modelo e implanta-o a partir do mesmo espaço de trabalho.

O LabelMe e a exportação YOLO permanecem inteiramente offline. Apenas o ficheiro ZIP que selecionas no diálogo de carregamento é enviado para a Platform.

Link to this sectionSolução de Problemas#

  • As classes chamam-se class0, class1 e assim por diante: confirma que classes.txt está presente na raiz do ZIP.
  • Algumas anotações estão em falta: executa labelmetk list-labels your_dataset/ novamente e inclui cada etiqueta necessária em --class-names.
  • Os polígonos tornaram-se caixas: este é o comportamento documentado do export-to-yolo do LabelMe; ele converte formas que não são retângulos em caixas delimitadoras.
  • O conjunto de dados não tem imagens: confirma que o diretório exportado images/ está incluído no ZIP.
  • A Platform não consegue encontrar as classes: remove qualquer diretório externo do arquivo para que classes.txt, images/ e labels/ sejam as entradas de nível superior.

Para o fluxo de trabalho local completo, consulta o guia de treino YOLO do LabelMe e a referência de export-to-yolo.

Contribuidores
GLglenn-jocher1

Comentários