Label Studio 集成#
直接导入 Label Studio 的功能即将登陆 Ultralytics Platform，届时原始图像检测或分割导出文件可以按原样上传，无需选择格式。
在此之前，你可以先使用目前可行的简便流程，因为 Label Studio 的 YOLO with Images 导出格式正是 Platform 可读取的布局，并且包含类别列表。
立即从 Label Studio 导入#
- 从 Label Studio 导出。 打开你的项目并点击 Export。
- 选择包含图像的格式。 选择 YOLO with Images，然后点击 Export。
- 上传到 Platform。 从 ZIP 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。
Label Studio 的 YOLO 和 COCO 选项会写入不含图像的标签文件，因为你的图像通常位于 Label Studio 所指向的 URL 后面。将其中一个压缩包上传到 Platform 后，得到的数据集将不包含图像。请改为选择 with Images 变体。
使用 API 导出#
Label Studio 的导出 API 会返回相同的压缩包，格式名称位于 exportType 中：
curl -X GET "https://<your-label-studio>/api/projects/<project-id>/export?exportType=YOLO_WITH_IMAGES&download_all_tasks=true" \
-H "Authorization: Token <your-legacy-token>" \
-o dataset.zipCOCO_WITH_IMAGES 和 YOLO_OBB_WITH_IMAGES 的工作方式相同。较新的个人访问令牌在使用前会被交换为短期 bearer 令牌，因此请确认你的实例签发的是哪种令牌。大型项目应改用快照端点，这些端点会将导出任务作为后台作业创建，并通过 ID 下载；SDK 的 export_yolo_with_images.py 示例正是这样做的。
Label Studio 的 YOLO 导出文件会将类别列表与标签一同保存，Platform 可以读取该列表：
archive.zip/
├── classes.txt # class names Platform reads first
├── notes.json # fallback, used only when classes.txt is missing or empty
├── images/
└── labels/请完全按照 Label Studio 生成的原样上传压缩包。Platform 会在压缩包根目录查找 classes.txt 和 notes.json，因此如果将导出内容重新压缩到另一个文件夹中，你的标签名称就会丢失，类别会被导入为 class0、class1 等。
选择导出格式#
Label Studio 提供多种导出格式。对于图像检测和分割：
| Label Studio 格式 | 支持情况 | 备注 |
|---|---|---|
| YOLO with Images | 最佳 | 包含 classes.txt 和图像，因此上传一次即可 |
| COCO with Images | 是 | 同样可以读取；包含多边形和框的混合数据会作为分割导入，而仅包含框的数据会被丢弃 |
| YOLO / COCO | 否 | 仅包含标注文件——数据集导入后不含图像 |
| Pascal VOC XML | 否 | 无法读取 XML 标签文件 |
在 COCO 导出文件中，每个标注都必须携带 bbox 才能被读取，群体区域（"iscrowd": 1）会被跳过，并且类别名称会成为你的类别名——因此 COCO 压缩包不需要 classes.txt 也能保留其标签。
Platform 不读取 Pascal VOC XML 标签，而 VOC 导出会静默失败，而不是明确报错：图像会被导入，但标注不会。请改用 YOLO with Images 或 COCO with Images。
集成将新增的功能#
选择正确的导出格式正是该集成功能要解决的步骤。该功能上线后，你可以导出 Label Studio 的任意图像检测和分割格式，上传导出文件，Platform 会自行将标注映射到匹配的 YOLO 任务。
- 无需选择格式 — Label Studio 的图像检测和分割导出文件会映射为保留标签名称的 YOLO 数据集
- 一个工作区 — 标注、训练和部署不再需要跨越多个工具并运行转换脚本
- 继续进行标注 — 导入的数据集会在 Platform 的标注编辑器中打开，其中包括由 SAM 驱动的智能标注
- 立即训练 — 数据集处理完成后即可用于云端训练