Nhập annotation LabelMe vào Ultralytics Platform#

LabelMe là công cụ annotation hình ảnh ngoại tuyến với ứng dụng Python mã nguồn mở. Không có kết nối LabelMe trực tiếp hoặc API key nào cần cấu hình trong Ultralytics Platform, và cũng không cần bước chuyển đổi: Platform đọc trực tiếp các tệp JSON của LabelMe. Tạo annotation trong LabelMe, nén thư mục thành ZIP rồi tải lên làm dataset trên Platform.

1. Tạo annotation cho hình ảnh trong LabelMe#

Cài đặt LabelMe bằng ứng dụng desktop hoặc gói Python mã nguồn mở, sau đó mở thư mục chứa hình ảnh. Hướng dẫn bắt đầu với LabelMe trình bày cách mở hình ảnh, vẽ hình và lưu annotation.

Vẽ hình chữ nhật cho dataset detection hoặc đa giác cho dataset segmentation. LabelMe lưu annotation của mỗi hình ảnh trong một tệp JSON nằm cạnh hình ảnh đó:

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

2. Tạo kho lưu trữ ZIP#

Nén thư mục chứa hình ảnh và các tệp JSON. Trên macOS hoặc Linux:

zip -r your_dataset.zip your_dataset

Trên Windows PowerShell:

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

Thư mục bên ngoài, thư mục con lồng nhau, hoặc các thư mục hình ảnh và annotation riêng biệt đều được chấp nhận, miễn là imagePath trong mỗi tệp JSON trỏ đến một hình ảnh bên trong ZIP. Platform đọc tệp hình ảnh đó, không phải bản sao mà LabelMe có thể nhúng vào JSON dưới dạng imageData, vì vậy hãy giữ các tệp hình ảnh trong kho lưu trữ. Hình ảnh nằm trong các thư mục có tên bắt đầu bằng train, val hoặc test sẽ giữ nguyên cách phân chia đó. JSON của LabelMe chỉ được đọc khi kho lưu trữ không có tệp data.yaml hoặc JSON COCO, vì vậy hãy loại các tệp đó khỏi ZIP của LabelMe.

3. Tải lên Ultralytics Platform#

1. Mở Settings > Integrations > LabelMe.
2. Nhấp vào Upload export.
3. Tải lên your_dataset.zip và hoàn tất việc tạo dataset.
4. Chờ quá trình xử lý hoàn tất, sau đó kiểm tra hình ảnh, class và annotation.
5. Chỉnh sửa annotation, huấn luyện model và triển khai model trong cùng một workspace.

LabelMe hoạt động hoàn toàn ngoại tuyến. Chỉ tệp ZIP bạn chọn trong hộp thoại tải lên mới được gửi đến Platform.

Cách nhập hình dạng LabelMe#

• Tác vụ: dataset chỉ được tạo annotation bằng hình chữ nhật sẽ được nhập dưới dạng dataset detection. Bất kỳ đa giác, hình chữ nhật xoay, hình tròn hoặc mask nào cũng khiến dataset trở thành dataset segmentation, và hình chữ nhật sẽ được chuyển thành đa giác 4 điểm để không làm mất annotation nào.
• Class: tên nhãn LabelMe trở thành tên class và được sắp xếp theo thứ tự bảng chữ cái. Khi nhập vào dataset hiện có, các nhãn được ghép với class theo tên, các nhãn còn lại sẽ được thêm vào.
• Hình dạng được nhóm: các hình dạng có cùng nhãn và ID nhóm là một đối tượng. Các phần của chúng được hợp nhất thành một đa giác, hoặc thành một box duy nhất trong dataset detection.
• Bị bỏ qua: hình dạng không có nhãn, hình dạng được gắn nhãn __ignore__ và cờ cấp hình ảnh sẽ không được nhập. Hình dạng vượt ra ngoài mép hình ảnh sẽ được cắt theo mép.

Khắc phục sự cố#

• Hình ảnh được nhập nhưng không có annotation: xác nhận các tệp JSON nằm trong ZIP và imagePath của mỗi tệp chỉ đến một hình ảnh trong kho lưu trữ. Platform cũng đối chiếu theo tên tệp, vì vậy đường dẫn tuyệt đối đã cũ vẫn hoạt động nếu tên tệp hình ảnh không thay đổi.
• Đa giác trở thành box 4 điểm: hình chữ nhật được chuyển thành đa giác 4 điểm trong dataset segmentation. Hãy vẽ đa giác cho các đối tượng cần đường viền chính xác.
• Thiếu đường hoặc điểm: những hình dạng này không có diện tích, nên không thể dùng cho detection hoặc segmentation và sẽ bị bỏ qua.
• Dataset không có hình ảnh: LabelMe có thể nhúng hình ảnh vào các tệp JSON, nhưng Platform đọc các tệp hình ảnh. Hãy thêm hình ảnh vào ZIP.

Câu hỏi thường gặp#