LabelMe Ek açıklamalarını YOLO ve Ultralytics Platform formatına dışarı aktar#

LabelMe, açık kaynaklı Python uygulaması içeren çevrimdışı bir görüntü etiketleme aracıdır. Ultralytics Platform üzerinde yapılandırılacak canlı bir LabelMe bağlantısı veya API anahtarı yoktur. Tam entegrasyon yerel bir iş akışıdır: LabelMe'de etiketle, LabelMe JSON etiketlerini LabelMe Toolkit ile YOLO formatına dönüştür ve ortaya çıkan ZIP dosyasını bir Platform veri seti olarak yükle.

1. Görselleri LabelMe'de Etiketle#

Masaüstü uygulamasını veya açık kaynaklı Python paketini kullanarak LabelMe'yi kur, ardından görüntülerini içeren dizini aç. LabelMe, her görüntünün etiketlerini eşleşen bir JSON dosyasında kaydeder.

Bu kılavuzdaki YOLO tespit iş akışı için her nesnenin etrafına dikdörtgenler çiz ve bir sınıf adı ata. LabelMe başlangıç kılavuzu görüntüleri açmayı, şekil çizmeyi ve etiketleri kaydetmeyi kapsarken, LabelMe veri seti kılavuzu eksiksiz etiketlenmiş bir veri setini incelemeyi ve hazırlamayı kapsar.

Kaynak dizinin görselleri ve LabelMe JSON dosyalarını içermelidir:

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

2. LabelMe Toolkit'i Kur#

LabelMe'nin araç takımı kurulum kılavuzunu takip ederek LabelMe Toolkit'i kur. Araç takımı ve dışarı aktardıkları yerel olarak çalışır.

Kurulumu doğrula, ardından kaynak veri setinde bulunan her etiketi listele:

labelmetk --version
labelmetk list-labels your_dataset/

Dışarı aktarmadan önce çıktıyı incele. --class-names içinden hariç tutulan etiketler atlanır ve sağladığın sıra YOLO sınıf kimliği (ID) sırası olur.

3. YOLO Formatına Dışarı Aktar#

Kaynak dizin ve virgülle ayrılmış sınıf adları listesiyle birlikte export-to-yolo komutunu çalıştır:

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

crack,normal ifadesini list-labels tarafından döndürülen etiketlerle değiştir. LabelMe sonucu your_dataset.export/ dosyasına yazar:

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

classes.txt, sınıf adlarını YOLO etiket dosyaları tarafından kullanılan sırayla korur. Onu dışa aktarımın kök dizininde tut.

4. ZIP Arşivini Oluştur#

Etrafındaki dizini değil, your_dataset.export/ öğesinin içeriğini sıkıştır. macOS veya Linux üzerinde:

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

Windows PowerShell üzerinde:

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

Yüklemeden önce ZIP dosyasını aç ve kök dizininde classes.txt, images/ ve labels/ öğelerinin bulunduğunu doğrula. Ekstra bir your_dataset.export/ sarmalayıcısı, Platform'un kök sınıf listesini bulmasını engeller.

5. Ultralytics Platform'a Yükle#

1. Settings > Integrations > LabelMe seçeneğini aç.
2. Dışarı aktarımı yükle öğesine tıkla.
3. your_dataset.zip öğesini yükle ve veri seti oluşturmayı tamamla.
4. İşlemenin tamamlanmasını bekle, ardından görselleri, sınıfları ve ek açıklamaları incele.
5. Aynı çalışma alanından etiketleri düzenle, bir model eğit ve onu dağıt.

LabelMe ve YOLO dışarı aktarımı tamamen çevrimdışı kalır. Yalnızca yükleme iletişim kutusunda seçtiğin ZIP dosyası Platform'a gönderilir.

Sorun Giderme#

• Sınıflar class0, class1 ve benzeri şeklinde adlandırılmıştır: ZIP dosyasının kök dizininde classes.txt bulunduğunu doğrula.
• Bazı etiketler eksik: labelmetk list-labels your_dataset/ komutunu tekrar çalıştır ve --class-names içinde gerekli olan her etikete yer ver.
• Çokgenler kutulara dönüştü: Bu, LabelMe'nin export-to-yolo aracının belgelenmiş davranışıdır; dikdörtgen olmayan şekilleri sınırlayıcı kutulara dönüştürür.
• Veri setinde hiç görüntü yok: Dışarı aktarılan images/ dizininin ZIP dosyasına dahil edildiğini doğrula.
• Platform sınıfları bulamıyor: classes.txt, images/ ve labels/ en üst düzey girdiler olacak şekilde arşivden herhangi bir dış dizini kaldır.

Eksiksiz yerel iş akışı için LabelMe'nin YOLO eğitim kılavuzuna ve export-to-yolo referansına göz at.