将 LabelMe 标注导入 Ultralytics Platform#

LabelMe 是一款离线图像标注工具，提供开源 Python 应用。你无需在 Ultralytics Platform 中配置实时 LabelMe 连接或 API 密钥，也无需进行格式转换：Platform 会直接读取 LabelMe JSON 文件。在 LabelMe 中完成标注后，将文件夹压缩成 ZIP，并作为 Platform 数据集上传。

1. 在 LabelMe 中标注图像#

通过桌面应用或开源 Python 包安装 LabelMe，然后打开包含图像的目录。LabelMe 入门指南介绍了如何打开图像、绘制形状和保存标注。

为目标检测数据集绘制矩形，为分割数据集绘制多边形。LabelMe 会将每张图像的标注保存在同目录下的 JSON 文件中：

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

2. 创建 ZIP 压缩包#

将包含图像和 JSON 文件的文件夹压缩。在 macOS 或 Linux 上：

zip -r your_dataset.zip your_dataset

在 Windows PowerShell 中：

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

外层文件夹、嵌套子文件夹以及分开的图像和标注文件夹都可以使用，只要每个 JSON 文件中的 imagePath 指向 ZIP 内的一张图像。Platform 读取的是该图像文件，而不是 LabelMe 可能嵌入 JSON 的副本 imageData，因此请将图像文件保留在压缩包中。位于名称以 train、val 或 test 开头的文件夹中的图像会保留相应的数据集划分。只有当压缩包中没有 data.yaml 或 COCO JSON 文件时，才会读取 LabelMe JSON，因此请勿将这些文件放入 LabelMe ZIP 压缩包中。

3. 上传到 Ultralytics Platform#

1. 打开设置 > 集成 > LabelMe。
2. 点击 上传导出文件。
3. 上传 your_dataset.zip，然后完成数据集创建。
4. 等待处理完成，然后检查图像、类别和标注。
5. 在同一个工作区中编辑标注、训练模型并部署模型。

LabelMe 完全离线运行。你在上传对话框中选择的 ZIP 文件是唯一会发送到 Platform 的内容。

LabelMe 形状的导入方式#

• 任务类型：仅使用矩形标注的数据集会作为目标检测数据集导入。任何多边形、旋转矩形、圆形或掩码都会使其成为分割数据集，其中的矩形会转换为 4 点多边形，因此不会丢失任何标注。
• 类别：LabelMe 标签名称会按字母顺序成为类别名称。导入到现有数据集时，系统会按名称将标签与数据集中的类别匹配，并添加其余类别。
• 分组形状：共享标签和组 ID 的形状会作为一个对象处理。它们的部分会合并为一个多边形，或在目标检测数据集中合并为一个边界框。
• 已跳过：没有标签的形状、标记为 __ignore__ 的形状以及图像级标志都不会导入。超出图像边缘的形状会被裁剪到图像边缘。

故障排除#

• 导入的图像没有标注：请确认 ZIP 中包含 JSON 文件，并且每个文件的 imagePath 都指向压缩包中的图像。Platform 也会按文件名匹配，因此即使绝对路径已过期，只要图像文件名未变，仍然可以正常导入。
• 多边形变成了 4 点边界框：在分割数据集中，矩形会转换为 4 点多边形。对于需要精确轮廓的对象，请绘制多边形。
• 线条或点缺失：这些形状没有面积，无法用于目标检测或分割，因此会被跳过。
• 数据集没有图像：LabelMe 可以将图像嵌入 JSON 文件，但 Platform 会读取图像文件。请将图像添加到 ZIP 中。

常见问题#