Label Studio Entegrasyonu#
Doğrudan Label Studio içe aktarımları yakında Ultralytics Platform üzerine geliyor, böylece ham bir görsel algılama veya segmentasyon dışa aktarımı, seçilecek hiçbir biçim olmadan olduğu gibi yüklenir.
O zamana kadar bugün çalışan kısa bir yol var, çünkü Label Studio'nun YOLO with Images dışa aktarımı, sınıf listesi dahil olmak üzere Platform'un okuduğu bir düzendir.
Bugün Label Studio'dan İçe Aktar#
- Label Studio'dan Dışa Aktar. Projeni aç ve Export seçeneğine tıkla.
- Görselleri içeren bir biçim seç. YOLO with Images seçeneğini seç ve Export öğesine tıkla.
- Platform'a yükle. ZIP'ten yeni bir veri seti oluştur.
- Eğit. Çalışma alanından ayrılmadan ek açıklamaları düzenle, eğit ve dağıt.
Label Studio'nun YOLO ve COCO seçenekleri etiket dosyalarını görseller olmadan yazar, çünkü görsellerin normalde Label Studio'nun yönlendirildiği URL'lerin arkasında yer alır. Bu arşivlerden birini Platform'a yüklemek sana görselsiz bir veri seti verir. Bunun yerine with Images varyantını seç.
API ile Dışa Aktar#
Label Studio'nun export API adresi, exportType içinde biçim adı ile birlikte aynı arşivi döndürür:
curl -X GET "https://<your-label-studio>/api/projects/<project-id>/export?exportType=YOLO_WITH_IMAGES&download_all_tasks=true" \
-H "Authorization: Token <your-legacy-token>" \
-o dataset.zipCOCO_WITH_IMAGES ve YOLO_OBB_WITH_IMAGES aynı şekilde çalışır. Daha yeni personal access tokens kullanılmadan önce kısa ömürlü bir taşıyıcı jetonla değiştirilir, bu nedenle örneğinin hangi jeton türünü verdiğini kontrol et. Büyük projeler bunun yerine, dışa aktarımı arka plan işi olarak oluşturan ve kimliğe göre indiren snapshot endpoints kullanmalıdır; SDK'nın export_yolo_with_images.py örneği tam olarak bunu yapar.
Bir Label Studio YOLO dışa aktarımı, sınıf listesini etiketlerle birlikte taşır ve Platform bunu okur:
archive.zip/
├── classes.txt # class names Platform reads first
├── notes.json # fallback, used only when classes.txt is missing or empty
├── images/
└── labels/Arşivi tam olarak Label Studio'nun oluşturduğu gibi yükle. Platform, arşivin kök dizininde classes.txt ve notes.json öğelerini arar, bu nedenle dışa aktarımı başka bir klasörün içinde yeniden ziplemek etiket adlarını kaybettirir ve sınıflar class0, class1 vb. olarak içe aktarılır.
Bir Dışa Aktarma Biçimi Seçme#
Label Studio several export formats sunar. Görsel algılama ve segmentasyon için:
| Label Studio Biçimi | Çalışır | Notlar |
|---|---|---|
| YOLO with Images | En İyisi | classes.txt öğesini ve görselleri gönderir, böylece tek bir yükleme yeterlidir |
| COCO with Images | Evet | Ayrıca okunur; çokgenler ve kutuların birleşimi segment olarak içe aktarılır, yalnızca kutu olanlar atılır |
| YOLO / COCO | Hayır | Yalnızca açıklama dosyaları — veri kümesi görüntüler olmadan içe aktarılır |
| Pascal VOC XML | Hayır | XML etiket dosyaları okunamaz |
Bir COCO dışa aktarımında, okunabilmesi için her etiket bbox içermelidir, kalabalık bölgeler ("iscrowd": 1) atlanır ve kategori adları sınıf adlarınız haline gelir — dolayısıyla bir COCO arşivinin etiketlerini korumak için classes.txt'ye ihtiyacı yoktur.
Platform Pascal VOC XML etiketlerini okumaz ve bir VOC dışa aktarımı yüksek sesle değil sessizce başarısız olur: görüntüler içe aktarılır ancak açıklamalar aktarılmaz. Bunun yerine YOLO with Images veya COCO with Images seçin.
Entegrasyonun Ekleyeceği Şeyler#
Doğru dışa aktarım biçimini seçmek entegrasyonun ortadan kaldırdığı adımdır. Kullanıma sunulduğunda, Label Studio'nun herhangi bir görsel algılama ve segmentasyon biçimini dışa aktaracak, yükleyeceksin ve Platform ek açıklamaları eşleşen YOLO task ile kendisi eşleştirecektir.
- Seçilecek biçim yok — Label Studio'nun görüntü tespiti ve segmentasyon dışa aktarımları, etiket adları korunarak bir YOLO veri kümesine eşlenir
- Tek çalışma alanı — etiketleme, eğitim ve dağıtım ayrı araçlar ile bir dönüştürme betiği arasında bölünmeye son verir
- Açıklama eklemeye devam et — içe aktarılan veri setleri, SAM destekli akıllı açıklama ekleme dahil olmak üzere Platform'un açıklama düzenleyicisinde açılır
- Hemen eğit — veri setleri işleme biter bitmez bulut üzerinden eğitime hazırdır