企业级安全性： 符合 ISO 27001 + SOC 2 Type I 标准。

Link to this section将 LabelMe 标注导出为 YOLO 和 Ultralytics Platform#

LabelMe 是一个离线图像标注工具，带有开源 Python 应用程序。在 Ultralytics Platform 中无需配置实时的 LabelMe 连接或 API 密钥。完整的集成是一个本地工作流：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 文件上传为 Platform 数据集。

Link to this section1. 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 会将每个图像的标注保存在对应的 JSON 文件中。

对于本指南中的 YOLO 检测工作流，请围绕每个对象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，而LabelMe 数据集指南则介绍了如何审查和准备完整的标注数据集。

你的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

Link to this section2. 安装 LabelMe Toolkit#

按照 LabelMe 的工具包安装指南安装 LabelMe Toolkit。该工具包及其导出的内容均在本地运行。

导出功能需要 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 文件可以在任何 Platform 方案上上传。

验证安装，然后列出源数据集中的所有标签：

labelmetk --version
labelmetk list-labels your_dataset/

在导出前检查输出。从 --class-names 中省略的标签将被跳过，你提供的顺序将成为 YOLO 类别 ID 的顺序。

Link to this section3. 导出为 YOLO 格式#

运行 export-to-yolo，并传入源目录和逗号分隔的类别名称列表：

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 以 YOLO 标签文件所使用的相同顺序保留了类别名称。请将其保留在导出的根目录下。

此工作流创建一个检测数据集

LabelMe Toolkit 将矩形导出为 YOLO 边界框。它还会将多边形和掩码简化为其轴对齐边界框，因此 export-to-yolo 不会保留分割几何图形。使用此工作流准备检测数据集时，请绘制矩形。

Link to this section4. 创建 ZIP 压缩包#

压缩 your_dataset.export/ 的内容，而不是外层的目录。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 文件，确认 classes.txt、images/ 和 labels/ 位于其根目录下。多余的 your_dataset.export/ 外层包装会阻止 Platform 找到根类别列表。

Link to this section5. 上传到 Ultralytics Platform#

  1. 打开 Settings > Integrations > LabelMe。
  2. 点击 Upload export。
  3. 上传 your_dataset.zip 并完成数据集的创建。
  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 和 YOLO 导出完全保持离线状态。只有你在上传对话框中选择的 ZIP 文件会被发送到 Platform。

Link to this section故障排除#

  • **类别被命名为 class0、class1 等：**确认 classes.txt 存在于 ZIP 的根目录下。
  • **缺少某些标注：**再次运行 labelmetk list-labels your_dataset/，并在 --class-names 中包含所有必需的标签。
  • **多边形变成方框：**这是 LabelMe 的 export-to-yolo 的既定行为；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：**从压缩包中移除任何外部目录，确保 classes.txt、images/ 和 labels/ 是顶级条目。

有关完整的本地工作流，请参阅 LabelMe 的YOLO 训练指南和export-to-yolo 参考资料。

贡献者
GLglenn-jocher1

评论