Импорт аннотаций LabelMe в Ultralytics Platform#

LabelMe — автономный инструмент для разметки изображений с приложением Python с открытым исходным кодом. Для Ultralytics Platform не нужно настраивать подключение к LabelMe или API-ключ, и преобразовывать файлы тоже не нужно: Platform читает файлы JSON LabelMe напрямую. Размечай данные в LabelMe, упакуй папку в ZIP и загрузи её как датасет Platform.

1. Разметь изображения в LabelMe#

Установи LabelMe с помощью настольного приложения или пакета Python с открытым исходным кодом, а затем открой папку с изображениями. В руководстве для начинающих по LabelMe рассказано, как открывать изображения, рисовать фигуры и сохранять аннотации.

Для датасета обнаружения рисуй прямоугольники, а для датасета сегментации — полигоны. LabelMe сохраняет аннотации каждого изображения в отдельный файл JSON рядом с ним:

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

2. Создай ZIP-архив#

Сожми папку с изображениями и файлами JSON. В macOS или Linux:

zip -r your_dataset.zip your_dataset

В Windows PowerShell:

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

Подойдут внешняя папка, вложенные папки, а также отдельные папки с изображениями и аннотациями, если imagePath каждого JSON-файла указывает на изображение внутри ZIP-архива. Platform читает файл изображения, а не его копию, которую LabelMe может встроить в JSON как imageData, поэтому не удаляй изображения из архива. Изображения в папках, названия которых начинаются с train, val или test, сохраняют соответствующее разбиение. Файлы JSON LabelMe читаются, только если в архиве нет файла data.yaml или файла COCO JSON, поэтому не добавляй их в ZIP-архив LabelMe.

3. Загрузи данные в Ultralytics Platform#

1. Открой Настройки > Интеграции > LabelMe.
2. Нажми Загрузить экспорт.
3. Загрузи your_dataset.zip и заверши создание датасета.
4. Дождись завершения обработки, затем проверь изображения, классы и аннотации.
5. Отредактируй аннотации, обучи модель и разверни её в одном рабочем пространстве.

LabelMe работает полностью автономно. В Platform отправляется только выбранный в диалоговом окне загрузки ZIP-файл.

Как импортируются фигуры LabelMe#

• Задача: датасет, размеченный только прямоугольниками, импортируется как датасет обнаружения объектов. Любой полигон, ориентированный прямоугольник, круг или маска превращают его в датасет сегментации, а прямоугольники в нём становятся полигонами из 4 точек, чтобы не потерять ни одной аннотации.
• Классы: названия меток LabelMe становятся названиями классов и сортируются по алфавиту. При импорте в существующий датасет метки сопоставляются с классами по названию, остальные добавляются.
• Сгруппированные фигуры: фигуры с одинаковой меткой и идентификатором группы считаются одним объектом. Их части объединяются в один полигон или одну рамку в датасете обнаружения объектов.
• Пропускаются: фигуры без метки, фигуры с меткой __ignore__ и флаги уровня изображения не импортируются. Фигуры, выходящие за границы изображения, обрезаются по его краю.

Устранение неполадок#

• Изображения импортированы без аннотаций: проверь, что файлы JSON находятся в ZIP-архиве, а imagePath каждого файла указывает на изображение в архиве. Platform также сопоставляет данные по имени файла, поэтому даже устаревший абсолютный путь сработает, если имя файла изображения не изменилось.
• Полигоны превратились в рамки из 4 точек: в датасетах сегментации прямоугольники преобразуются в полигоны из 4 точек. Для объектов, которым нужен точный контур, рисуй полигоны.
• Линии или точки отсутствуют: у этих фигур нет площади, поэтому они не подходят для обнаружения объектов или сегментации и пропускаются.
• В датасете нет изображений: LabelMe может встраивать изображения в файлы JSON, но Platform читает сами файлы изображений. Добавь изображения в ZIP-архив.

Часто задаваемые вопросы#