Tích hợp Labelbox#

Ultralytics Platform đọc trực tiếp các bản xuất NDJSON của Labelbox. Bạn không cần dán key, duy trì kết nối hay bảo trì script chuyển đổi — chỉ cần xuất từ Labelbox, tải file lên và nhãn sẽ được nhập thành dataset Platform thông thường.

Nhập từ Labelbox#

1. Xuất từ Labelbox. Với project gán nhãn, mở tab Data Rows, chọn All, nhấp Export data, chọn các trường cần đưa vào rồi xác nhận. Trong Catalog, chọn các hàng dữ liệu rồi chọn Manage selection > Export data, sau đó bật Export labels from project và chọn project; nếu không, file sẽ không có annotation nào.
2. Tải file xuống. Labelbox chạy thao tác xuất dưới dạng job nền. Theo dõi job trong Notifications và nhấp Download khi hoàn tất để lưu file .ndjson.
3. Tải lên Platform. Tạo dataset mới rồi tải file .ndjson lên hoặc dán liên kết trực tiếp đến file. Bạn cũng có thể bắt đầu từ Settings > Integrations > Labelbox.
4. Huấn luyện. Sau khi xử lý hoàn tất, hãy chỉnh sửa annotation và huấn luyện như với mọi dataset Platform khác.

Khác với CVAT và Label Studio, bạn không cần chọn định dạng — định dạng xuất riêng của Labelbox được hỗ trợ.

Xuất bằng SDK#

Labelbox cũng cung cấp tác vụ xuất trong Python SDK, đây là cách thuận tiện hơn để xây dựng pipeline có thể chạy lặp lại. Stream tác vụ và ghi mỗi dòng một đối tượng JSON:

import json

import labelbox

client = labelbox.Client(api_key="YOUR_LABELBOX_API_KEY")
export_task = labelbox.ExportTask.get_task(client, "YOUR_EXPORT_TASK_ID")
export_task.wait_till_done()  # streaming một tác vụ chưa ở trạng thái COMPLETE sẽ gây lỗi

with open("dataset.ndjson", "w") as f:
    f.writelines(json.dumps(data_row.json) + "\n" for data_row in export_task.get_buffered_stream())

Nội dung được nhập#

Platform tự nhận diện định dạng Labelbox và ánh xạ bounding box cùng polygon sang loại task YOLO tương ứng:

name của mỗi đối tượng sẽ trở thành tên class — vì vậy annotation "name": "Dog" được nhập với class Dog, chứ không phải value viết thường — và tọa độ pixel được chuẩn hóa theo kích thước media_attributes trong bản xuất, vì vậy hãy giữ các thuộc tính media trong bản xuất: các hàng không có chiều rộng và chiều cao sẽ nhập ảnh mà không có annotation. Chỉ các đối tượng Platform có thể nhập mới đăng ký class, nên các công cụ mask, điểm và đường nhiều đoạn không thêm class rỗng vào dataset. Mỗi ảnh được đặt tên theo data_row.external_id, sau đó là global_key; nếu bản xuất không có cả hai, tên file trong signed URL sẽ được dùng. Các hàng dữ liệu ảnh được nhập; hàng dữ liệu video, văn bản và các loại không phải ảnh khác sẽ bị bỏ qua. Bản xuất Catalog không có annotation sẽ được nhập thành dataset ảnh chưa gán nhãn, sẵn sàng để gán nhãn trong trình biên tập annotation của Platform.

Một hàng dữ liệu đơn lẻ có dạng như sau, đã lược bớt chỉ còn các trường Platform đọc:

{
    "data_row": {
        "external_id": "000000000307.jpg",
        "global_key": "000000000307.jpg",
        "row_data": "https://storage.labelbox.com/...?Expires=...&Signature=..."
    },
    "media_attributes": { "height": 480, "width": 640, "mime_type": "image/jpeg" },
    "projects": {
        "<project-id>": {
            "labels": [
                {
                    "annotations": {
                        "objects": [
                            {
                                "name": "Dog",
                                "annotation_kind": "ImageBoundingBox",
                                "bounding_box": { "top": 200.0, "left": 407.0, "height": 172.0, "width": 176.0 }
                            }
                        ]
                    }
                }
            ]
        }
    }
}

Mọi nội dung khác trong bản xuất — embeddings, metadata_fields, attachments, project_details — đều bị bỏ qua. Bạn nên bỏ chọn embeddings khi xuất: trong một bản xuất mẫu, embeddings chiếm khoảng bốn phần năm dung lượng file, trong khi các trường Platform thực sự đọc chỉ chiếm một phần năm.

Câu hỏi thường gặp#