CVAT 集成#
直接 CVAT 导入功能即将登陆 Ultralytics Platform，这样 CVAT 图像检测或分割导出就能原样上传，无需选择格式。
在此之前，目前有一个行之有效的快捷方法，因为 CVAT 导出的内容已经符合 Platform 读取的 Ultralytics YOLO 布局。
今天就从 CVAT 导入#
- 从 CVAT 导出。 打开你的任务并选择 Actions > Export task dataset（如果是作业，则是 Menu > Export job dataset）。
- 选择格式。 选择与你的任务相匹配的 Ultralytics YOLO 条目——CVAT 会分别列出
Ultralytics YOLO Detection 1.0、Ultralytics YOLO Segmentation 1.0、Ultralytics YOLO Oriented Bounding Boxes 1.0和Ultralytics YOLO Pose 1.0。 - 开启保存图像，将
.zip命名，然后点击 确定。如果没有图像，压缩包中将只包含标注，Platform 将无法导入任何内容。 - 下载压缩包。 导出操作在后台运行——完成后从 CVAT 的请求页面获取它。
- 上传到 Platform。 从该 ZIP 文件创建新数据集。
- 训练。 无需离开工作区即可编辑标注、训练和部署。
使用 CLI 进行导出#
CVAT 的 CLI 可以从终端导出相同的压缩包：
pip install cvat-cli
cvat-cli project export-dataset --format "Ultralytics YOLO Detection 1.0" --with-images yes 104 dataset.zip将 104 替换为你的项目 ID，将格式字符串替换为与你的任务相匹配的变体。--with-images yes 是保存图像开关的 CLI 等效项；没有它，压缩包将只包含标注。
CVAT 的 Ultralytics YOLO 导出生成了 Platform 期望的布局，因此无需进行任何转换：
archive.zip/
├── data.yaml # class names Platform reads
├── images/train/
└── labels/train/选择导出格式#
CVAT 提供多种导出格式。其中有三种比较重要：
| CVAT 格式 | 状态 | 注意事项 |
|---|---|---|
| Ultralytics YOLO | 最佳 | 包含 data.yaml，因此你的标签名称能够完好无损地传递过来 |
| COCO 1.0 | 是 | 也可以读取；多边形和框的混合导入为分割，纯框的会被丢弃 |
| COCO Keypoints 1.0 | 是 | 导入为一个姿态数据集，关键点数量取自最常见的形状 |
| YOLO 1.1 | 部分可用 | 边界框可以导入，但其 obj.names 文件不会被读取——类别将显示为 class0、class1 等 |
每个 COCO 标注都必须带有 bbox 才能被读取，人群区域（"iscrowd": 1）将被跳过。类别名称会变成类名，并且类别 ID 在归档文件中的所有 JSON 文件之间统一，因此每个划分的导出都能保持一致的类 ID。
Pascal VOC 导入时没有标注
Platform 不读取 Pascal VOC XML 标签，并且 VOC 导出会静默失败而不是显式报错：图像被导入了，但标注没有导入，而且包含五张或更多图像的 VOC 导出还会获取一个以其图像文件夹命名的单一类别。请改用 Ultralytics YOLO 或 COCO。
集成将添加的内容#
选择正确的导出格式是该集成所省去的步骤。一旦推出，你将能够导出任何 CVAT 图像检测和分割格式并将其上传，Platform 会自行将标注映射到相匹配的 YOLO 任务中。
- 无需选择格式 — CVAT 的图像检测和分割导出将映射到保留了标签名称的 YOLO 数据集
- 单一工作区 — 标注、训练和部署不再横跨多个不同的工具和转换脚本
- 继续标注 — 导入的数据集将在 Platform 的标注编辑器中打开，包括由 SAM 驱动的智能标注功能
- 立即训练 — 数据集一完成处理，即可用于云端训练
现已可用