LabelMe Açıklamalarını Ultralytics Platform'a Aktar#

LabelMe, çevrimdışı çalışan bir görüntü açıklama aracıdır ve bir açık kaynaklı Python uygulamasına sahiptir. Ultralytics Platform içinde yapılandırılacak canlı bir LabelMe bağlantısı veya API anahtarı yoktur ve dönüştürme adımı gerekmez: Platform, LabelMe JSON dosyalarını doğrudan okur. LabelMe'de açıklama ekle, klasörü ZIP'le ve Platform veri kümesi olarak yükle.

1. Görüntülere LabelMe'de Açıklama Ekle#

Masaüstü uygulamasını veya açık kaynaklı Python paketini kullanarak LabelMe'yi yükle, ardından görüntülerinin bulunduğu dizini aç. LabelMe başlangıç kılavuzu, görüntüleri açma, şekiller çizme ve açıklamaları kaydetme konularını ele alır.

Tespit veri kümesi için dikdörtgenler, segmentasyon veri kümesi için çokgenler çiz. LabelMe, her görüntünün açıklamalarını yanındaki bir JSON dosyasına kaydeder:

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

2. ZIP Arşivini Oluştur#

Görüntüleri ve JSON dosyalarını içeren klasörü sıkıştır. macOS veya Linux'ta:

zip -r your_dataset.zip your_dataset

Windows PowerShell'de:

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

Her JSON dosyasındaki imagePath ZIP içindeki bir görüntüyü gösterdiği sürece üst klasör, iç içe klasörler ve ayrı görüntü ve açıklama klasörlerinin tümü kullanılabilir. Platform, LabelMe'nin JSON'a imageData olarak ekleyebileceği kopyayı değil, o görüntü dosyasını okur; bu nedenle görüntü dosyalarını arşivde tut. Adları train, val veya test ile başlayan klasörlerdeki görüntüler bu ayrımı korur. LabelMe JSON'u yalnızca arşivde data.yaml veya COCO JSON dosyası yoksa okunur; bu nedenle bunları LabelMe ZIP'ine ekleme.

3. Ultralytics Platform'a Yükle#

1. Ayarlar > Entegrasyonlar > LabelMe bölümünü aç.
2. Dışa aktarımı yükle'ye tıkla.
3. your_dataset.zip dosyasını yükle ve veri kümesi oluşturma işlemini tamamla.
4. İşlemenin tamamlanmasını bekle, ardından görüntüleri, sınıfları ve açıklamaları gözden geçir.
5. Aynı çalışma alanından açıklamaları düzenle, bir model eğit ve modeli dağıt.

LabelMe tamamen çevrimdışı çalışır. Yükleme iletişim kutusunda seçtiğin yalnızca ZIP dosyası Platform'a gönderilir.

LabelMe Şekilleri Nasıl İçe Aktarılır#

• Görev: yalnızca dikdörtgenlerle açıklama eklenmiş bir veri kümesi, tespit veri kümesi olarak içe aktarılır. Herhangi bir çokgen, yönlendirilmiş dikdörtgen, daire veya maske veri kümesini segmentasyon veri kümesine dönüştürür; böylece hiçbir açıklama kaybolmaması için dikdörtgenler 4 noktalı çokgenlere çevrilir.
• Sınıflar: LabelMe etiket adları, alfabetik sırayla sınıf adlarına dönüşür. Mevcut bir veri kümesine aktarımda etiketler, ada göre o veri kümesinin sınıflarıyla eşleştirilir ve eşleşmeyenler eklenir.
• Gruplandırılmış şekiller: aynı etiketi ve grup kimliğini paylaşan şekiller tek bir nesne sayılır. Parçaları tek bir çokgende veya tespit veri kümesinde tek bir kutuda birleştirilir.
• Atlananlar: etiketi olmayan şekiller, __ignore__ etiketli şekiller ve görüntü düzeyindeki işaretler içe aktarılmaz. Görüntü kenarını aşan şekiller görüntü sınırlarında kırpılır.

Sorun Giderme#

• Açıklama olmadan içe aktarılan görüntüler: JSON dosyalarının ZIP'te olduğunu ve her dosyadaki imagePath değerinin arşivdeki bir görüntüyü belirttiğini doğrula. Platform dosya adına göre de eşleştirme yapar; bu nedenle görüntü dosyasının adı değişmediyse eski bir mutlak yol da çalışır.
• Çokgenler 4 noktalı kutulara dönüştü: segmentasyon veri kümelerinde dikdörtgenler 4 noktalı çokgenlere çevrilir. Kesin bir dış hat gerektiren nesneler için çokgen çiz.
• Çizgiler veya noktalar eksik: bu şekillerin alanı olmadığı için tespit veya segmentasyonda kullanılamazlar ve atlanırlar.
• Veri kümesinde görüntü yok: LabelMe görüntüleri JSON dosyalarına ekleyebilir, ancak Platform görüntü dosyalarını okur. Görüntüleri ZIP'e ekle.

Sık Sorulan Sorular#