Link to this sectionCVAT 集成#
直接从 CVAT 导入的功能即将登陆 Ultralytics Platform，届时 CVAT 的图像检测或分割导出内容将按原样上传，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。
Link to this section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。 选择与你的任务匹配的 Ultralytics YOLO 条目 — CVAT 分别列出了
Ultralytics YOLO Detection 1.0、Ultralytics YOLO Segmentation 1.0、Ultralytics YOLO Oriented Bounding Boxes 1.0和Ultralytics YOLO Pose 1.0。 - 启用保存图像（Save images），为
.zip命名，然后点击 OK。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。 导出过程在后台运行 — 完成后请从 CVAT 的请求（Requests）页面进行收集。
- 上传至 Platform。 从 ZIP 文件创建一个新数据集。
- 训练。 无需离开工作区即可编辑标注、训练和部署。
Link to this section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，并将格式字符串替换为与你的任务匹配的变体。--with-images yes 等同于 CLI 中的 Save images 开关；如果没有它，压缩包中将只包含标注。
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/Link to this section选择导出格式#
CVAT 提供了许多导出格式。此处有三种格式比较重要：
| CVAT 格式 | 是否可用 | 注意事项 |
|---|---|---|
| Ultralytics YOLO | 最佳 | 包含 data.yaml，因此你的标签名称可以完整保留 |
| 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 |
| YOLO 1.1 | 部分可用 | 可以导入检测框，但其 obj.names 文件未被读取 — 类别会变成 class0、class1 等 |
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。
Link to this section集成将添加的功能#
选择正确的导出格式是集成将省去的步骤。一旦推出，你将能够导出任何 CVAT 的图像检测和分割格式并进行上传，Platform 会自动将标注映射到相对应的 YOLO 任务。
- 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
- 一个工作区 — 标注、训练和部署不再分散在不同的工具和转换脚本中
- 继续标注 — 导入的数据集可以在 Platform 的标注编辑器中打开，包括支持 SAM 的智能标注
- 立即训练 — 数据集在处理完成后即可用于云端训练
现已可用
Labelbox、Roboflow 和 Ultralytics HUB 集成现已可用，并且 Platform 支持直接导入 YOLO、COCO 和 Ultralytics NDJSON 数据集。