Интеграция с CVAT#
Прямой импорт из CVAT скоро появится в Ultralytics Platform, поэтому экспорт обнаружения или сегментации изображений из CVAT будет загружаться как есть без необходимости выбирать формат.
А пока существует быстрый способ, который работает уже сейчас, так как CVAT изначально экспортирует данные в разметке Ultralytics YOLO, которую считывает Platform.
Импорт из CVAT сегодня#
- Экспорт из CVAT. Открой задачу и выбери Actions > Export task dataset (в задании это Menu > Export job dataset).
- Выбери формат. Выбери пункт Ultralytics YOLO, соответствующий твоей задаче — CVAT отображает
Ultralytics YOLO Detection 1.0,Ultralytics YOLO Segmentation 1.0,Ultralytics YOLO Oriented Bounding Boxes 1.0иUltralytics YOLO Pose 1.0по отдельности. - Включи Сохранение изображений (Save images), назови
.zipи нажми OK. Без изображений архив содержит только аннотации, и у Platform нечего импортировать. - Скачай архив. Экспорт выполняется в фоновом режиме — забрать его можно со страницы Запросы (Requests) в CVAT после завершения.
- Загрузи в Platform. Создай новый датасет из ZIP-файла.
- Обучай. Редактируй аннотации, обучай и развертывай, не покидая рабочее пространство.
Экспорт с помощью CLI#
Интерфейс командной строки CVAT (CVAT's CLI) экспортирует такой же архив из терминала:
pip install cvat-cli
cvat-cli project export-dataset --format "Ultralytics YOLO Detection 1.0" --with-images yes 104 dataset.zipЗамени 104 идентификатором своего проекта, а строку формата — вариантом, соответствующим твоей задаче. --with-images yes является эквивалентом переключателя Сохранить изображения (Save images) в CLI; без него в архиве будут только аннотации.
Экспорт в формате Ultralytics YOLO из CVAT создает структуру, которую ожидает Platform, поэтому конвертировать ничего не нужно:
archive.zip/
├── data.yaml # class names Platform reads
├── images/train/
└── labels/train/Выбор формата экспорта#
CVAT поддерживает множество форматов экспорта. Для нас важны три:
| Формат CVAT | Статус | Примечания |
|---|---|---|
| Ultralytics YOLO | Лучший | Переносит data.yaml, поэтому имена твоих меток сохраняются в исходном виде |
| COCO 1.0 | Да | Тоже читается; смесь полигонов и боксов импортируется как сегментация, а объекты только с боксами отбрасываются |
| COCO Keypoints 1.0 | Да | Импортируется как датасет позы, причем количество ключевых точек берется из наиболее распространенной формы |
| YOLO 1.1 | Частично | Брекпоинты импортируются, но файл obj.names не читается — классы приходят как class0, class1, … |
Каждая аннотация COCO должна содержать bbox для считывания, а области толпы ("iscrowd": 1) пропускаются. Имена категорий становятся именами классов, а идентификаторы категорий унифицируются во всех JSON-файлах в архиве, поэтому экспорты для каждого сплита сохраняют согласованные идентификаторы классов.
Platform не читает XML-метки Pascal VOC, а экспорт в VOC завершается молча, а не с ошибкой: изображения импортируются, аннотации — нет, а при экспорте в VOC пяти и более изображений также создается один общий класс, названный по имени папки с изображениями. Вместо этого выбери Ultralytics YOLO или COCO.
Что добавит интеграция#
Выбор правильного формата экспорта — это шаг, который интеграция устраняет. После ее запуска ты сможешь экспортировать любой формат обнаружения и сегментации изображений из CVAT, загрузить его, и Platform сама сопоставит аннотации с соответствующей задачей YOLO.
- Не нужно выбирать формат — экспорт обнаружения и сегментации изображений из CVAT сопоставляется с датасетом YOLO с сохранением имен классов
- Единое рабочее пространство — разметка, обучение и развертывание больше не требуют использования разных инструментов и скрипта конвертации
- Продолжай разметку — импортированные датасеты открываются в редакторе аннотаций Platform, включая умную разметку на базе SAM
- Обучай немедленно — датасеты готовы к облачному обучению сразу после завершения обработки