Безопасность корпоративного уровня: Соответствие стандартам ISO 27001 + SOC 2 Type I.

Link to this sectionЭкспорт аннотаций LabelMe в YOLO и Ultralytics Platform#

LabelMe — это офлайн-инструмент для разметки изображений с приложением Python с открытым исходным кодом. В Ultralytics Platform нет активного подключения к LabelMe или ключа API для настройки. Вся интеграция представляет собой локальный рабочий процесс: создай аннотации в LabelMe, преобразуй JSON-аннотации LabelMe в формат YOLO с помощью LabelMe Toolkit и загрузи полученный ZIP-архив в качестве датасета на платформу.

Link to this section1. Разметь изображения в LabelMe#

Установи LabelMe с помощью десктопного приложения или пакета Python с открытым исходным кодом, а затем откройте каталог с твоими изображениями. LabelMe сохраняет аннотации каждого изображения в соответствующем JSON-файле.

Для рабочего процесса обнаружения YOLO в этом руководстве нарисуй прямоугольники вокруг каждого объекта и назначь имя класса. Руководство для начинающих по LabelMe охватывает открытие изображений, рисование фигур и сохранение аннотаций, в то время как руководство по датасетам LabelMe охватывает проверку и подготовку полного размеченного датасета.

Твой исходный каталог должен содержать изображения и JSON-файлы LabelMe:

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

Link to this section2. Установи LabelMe Toolkit#

Установи LabelMe Toolkit, следуя руководству по установке тулкита LabelMe. Тулкит и его экспорт выполняются локально.

Для экспорта требуется LabelMe Pro

export-to-yolo является частью LabelMe Pro Toolkit, и для загрузки его установщика требуется вход в учетную запись LabelMe. Это требование продукта LabelMe; полученный ZIP-архив можно загрузить на любом тарифном плане Platform.

Проверь установку, а затем выведи список всех меток, найденных в исходном датасете:

labelmetk --version
labelmetk list-labels your_dataset/

Просмотри вывод перед экспортом. Метки, опущенные из --class-names, пропускаются, а указанный тобой порядок становится порядком ID классов YOLO.

Link to this section3. Экспорт в формат YOLO#

Запусти export-to-yolo с исходным каталогом и разделенным запятыми списком имен классов:

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

Замени crack,normal на метки, возвращенные list-labels. LabelMe запишет результат в your_dataset.export/:

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

classes.txt сохраняет имена классов в том же порядке, который используется файлами меток YOLO. Держи его в корне экспорта.

Этот рабочий процесс создает датасет для обнаружения

LabelMe Toolkit экспортирует прямоугольники как ограничивающие рамки YOLO. Он также уменьшает полигоны и маски до их выровненных по осям ограничивающих рамок, поэтому export-to-yolo не сохраняет геометрию сегментации. Рисуй прямоугольники при подготовке датасета для обнаружения с помощью этого рабочего процесса.

Link to this section4. Создай ZIP-архив#

Сожми содержимое your_dataset.export/, а не каталог вокруг него. На macOS или Linux:

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

В Windows PowerShell:

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

Открой ZIP-архив перед загрузкой и убедись, что classes.txt, images/ и labels/ находятся в его корне. Дополнительная обертка your_dataset.export/ мешает Platform найти список классов корневого уровня.

Link to this section5. Загрузи в Ultralytics Platform#

  1. Открой Settings > Integrations > LabelMe.
  2. Нажми Upload export.
  3. Загрузи your_dataset.zip и заверши создание датасета.
  4. Дождись завершения обработки, а затем просмотри изображения, классы и аннотации.
  5. Отредактируй аннотации, обучи модель и разверни её из того же рабочего пространства.

LabelMe и экспорт YOLO остаются полностью офлайн. На Platform отправляется только тот ZIP-файл, который ты выберешь в диалоговом окне загрузки.

Link to this sectionУстранение неполадок#

  • Классы названы class0, class1 и так далее: убедись, что classes.txt присутствует в корне ZIP-архива.
  • Некоторые аннотации отсутствуют: запусти labelmetk list-labels your_dataset/ еще раз и включи каждую необходимую метку в --class-names.
  • Полигоны превратились в рамки: это документированное поведение export-to-yolo от LabelMe; оно преобразует фигуры, не являющиеся прямоугольниками, в ограничивающие рамки.
  • В датасете нет изображений: убедись, что экспортированный каталог images/ включен в ZIP-архив.
  • Platform не может найти классы: удали любые внешние каталоги из архива, чтобы classes.txt, images/ и labels/ были элементами верхнего уровня.

Для полного локального рабочего процесса см. руководство по обучению YOLO и справочник export-to-yolo от LabelMe.

Участники
GLglenn-jocher1

Комментарии