YOLO Vision 2026：

将 LabelMe 标注导出为 YOLO 和 Ultralytics Platform 数据集#

LabelMe 是一款离线图像标注工具，配有 开源 Python 应用程序。你无需在 Ultralytics Platform 中配置实时 LabelMe 连接或 API 密钥。完整的集成流程完全在本地执行： 在 LabelMe 中进行标注，使用 LabelMe Toolkit 将 LabelMe JSON 标注转换为 YOLO 格式，然后将生成的 ZIP 作为 Platform 数据集上传。

1. 在 LabelMe 中标注图像#

使用桌面应用或开源 Python 软件包安装 LabelMe，然后打开包含图像的目录。LabelMe 会将每张图像的标注保存到对应的 JSON 文件中。

对于本指南中的 YOLO 检测流程，请在每个对象周围绘制矩形并分配类别名称。LabelMe 入门指南介绍了如何打开图像、绘制形状和保存标注，LabelMe 数据集指南则介绍了如何检查和准备完整的标注数据集。

源目录应包含图像和 LabelMe JSON 文件：

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

2. 安装 LabelMe Toolkit#

按照 LabelMe 的Toolkit 安装指南安装 LabelMe Toolkit。Toolkit 及其导出操作均在本地运行。

导出需要 LabelMe Pro

export-to-yolo 是 LabelMe Pro Toolkit 的一部分，下载其安装程序需要登录 LabelMe。这是 LabelMe 的产品要求；生成的 ZIP 可在任何 Platform 方案中上传。

验证安装，然后列出源数据集中找到的每个标签：

labelmetk --version
labelmetk list-labels your_dataset/

导出前检查输出结果。--class-names 中未列出的标签会被跳过，而你提供的顺序将成为 YOLO 类别 ID 的顺序。

3. 导出为 YOLO 格式#

使用源目录和以逗号分隔的类别名称列表运行 export-to-yolo：

labelmetk export-to-yolo your_dataset/ --class-names crack,normal

将 crack,normal 替换为 list-labels 返回的标签。LabelMe 会将结果写入 your_dataset.export/：

your_dataset.export/
├── classes.txt
├── images/
│   ├── image_001.jpg
│   └── image_002.jpg
└── labels/
    ├── image_001.txt
    └── image_002.txt

classes.txt 会按照 YOLO 标签文件中使用的顺序保留类别名称。请将它保留在导出文件的根目录中。

此流程会创建检测数据集

LabelMe Toolkit 会将矩形导出为 YOLO 边界框。它还会将多边形和掩码简化为轴对齐边界框，因此 export-to-yolo 不会保留分割几何信息。使用此流程准备检测数据集时，请绘制矩形。

4. 创建 ZIP 压缩包#

压缩 your_dataset.export/ 的内容，而不是包含这些内容的目录。在 macOS 或 Linux 上：

cd your_dataset.export
zip -r ../your_dataset.zip classes.txt images labels

在 Windows PowerShell 上：

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

上传前打开 ZIP，并确认 classes.txt、images/ 和 labels/ 位于其根目录。额外的 your_dataset.export/ 外层目录会阻止 Platform 找到根目录中的类别列表。

5. 上传到 Ultralytics Platform#

  1. 打开 Settings > Integrations > LabelMe。
  2. 点击 Upload export。
  3. 上传 your_dataset.zip，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. 在同一工作区中编辑标注、训练模型并部署模型。

Ultralytics Platform LabelMe Dataset Import

LabelMe 和 YOLO 导出流程始终完全离线运行。只有你在上传对话框中选择的 ZIP 文件会发送到 Platform。

故障排除#

  • **类别名称为 class0、class1 等：**请确认 classes.txt 位于 ZIP 的根目录中。
  • **部分标注缺失：**再次运行 labelmetk list-labels your_dataset/，并在 --class-names 中包含所有必需的标签。
  • **多边形变成了框：**这是 LabelMe 的 export-to-yolo 所记录的行为；它会将非矩形形状转换为边界框。
  • **数据集没有图像：**确认导出的 images/ 目录已包含在 ZIP 中。
  • **Platform 找不到类别：**从压缩包中删除任何外层目录，使 classes.txt、images/ 和 labels/ 成为顶层条目。

如需了解完整的本地流程，请参阅 LabelMe 的 YOLO 训练指南 和 export-to-yolo 参考文档。

常见问题#

  • 不需要。LabelMe 和导出过程在本地运行，只有你上传的 ZIP 文件会发送到 Platform。export-to-yolo 命令是 LabelMe Pro Toolkit 的一部分（这是 LabelMe 的要求），但生成的 ZIP 文件可在任何 Platform 方案上上传。

  • 使用此工作流无法做到这一点。LabelMe Toolkit 会将多边形和掩码简化为其轴对齐边界框，因此结果始终是检测数据集。为此导出准备数据时，请绘制矩形。

  • Platform 会从 ZIP 根目录中的 classes.txt 读取类别名称。请压缩导出文件夹的内容，而不是文件夹本身，以便 classes.txt、images/ 和 labels/ 成为顶级条目。

  • 只有传递给 --class-names 的标签会进入，且顺序与你列出的顺序一致。请先运行 labelmetk list-labels 并包含你想要保留的每一个标签。

贡献者
GLglenn-jocher3

评论