Page d'accueil>Lié à la programmation>Autre code source
Télécharger
convertisseur de studio d'étiquettes

Avertissement

Ce référentiel a été archivé et fusionné dans le SDK Label Studio : https://github.com/HumanSignal/label-studio-sdk/tree/master/src/label_studio_sdk/converter

Convertisseur d'étiquettes Studio

Site Web • Documents • Twitter • Rejoignez la communauté Slack

Table des matières

  • Introduction

  • Exemples

    • JSON

    • CSV

    • CoNLL 2003

    • COCO

    • Pascal COV XML

  • Convertisseur YOLO en Label Studio

    • Usage

    • Tutoriel : Importation d'images pré-annotées YOLO dans Label Studio à l'aide du stockage local

  • Contribuer

  • Licence

Introduction

Label Studio Format Converter vous aide à encoder des étiquettes au format de votre bibliothèque d'apprentissage automatique préférée.

Exemples

JSON

Exécuté à partir de la ligne de commande :

 pip install -U label-studio-converter
python label-studio-converter export -i exported_tasks.json -c examples/sentiment_analysis/config.xml -o output_dir -f CSV

Exécuté depuis python :

 depuis label_studio_converter import Converterc = Converter('examples/sentiment_analysis/config.xml')c.convert_to_json('examples/sentiment_analysis/completions/', 'tmp/output.json')

Obtention du fichier de sortie : tmp/output.json

 [
  {"reviewText": "Bon dossier, Excellent rapport qualité/prix.","sentiment": "Positif"
  },
  {"reviewText": "Quelle perte de temps et d'argent !","sentiment": "Négatif"
  },
  {"reviewText": "Le col de cygne a besoin d'être un peu cajolé","sentiment": "Neutre"
  }
]

Cas d'utilisation : toutes les tâches

CSV

Exécuté à partir de la ligne de commande :

 python label_studio_converter/cli.py --input examples/sentiment_analysis/completions/ --config examples/sentiment_analysis/config.xml --output output_dir --format CSV --csv-separator $'t'

Exécuté depuis python :

 depuis label_studio_converter import Converterc = Converter('examples/sentiment_analysis/config.xml')c.convert_to_csv('examples/sentiment_analysis/completions/', 'output_dir', sep='t', header=True)

Obtention du fichier de sortie tmp/output.tsv :

 avisTextesentimentBon cas, Excellent rapport qualité-prix.PositifQuelle perte d'argent et de temps !NégatifLe col de cygne a besoin d'un peu de cajolerieNeutre

Cas d'utilisation : toutes les tâches

CoNLL 2003

Exécuté à partir de la ligne de commande :

 python label_studio_converter/cli.py --input examples/named_entity/completions/ --config examples/named_entity/config.xml --output tmp/output.conll --format CONLL2003

Exécuté depuis python :

 depuis label_studio_converter import Converterc = Converter('examples/named_entity/config.xml')c.convert_to_conll2003('examples/named_entity/completions/', 'tmp/output.conll')

Obtention du fichier de sortie tmp/output.conll 

-DOCSTART- -X- O
Showers -X- _ O
continued -X- _ O
throughout -X- _ O
the -X- _ O
week -X- _ O
in -X- _ O
the -X- _ O
Bahia -X- _ B-Location
cocoa -X- _ O
zone, -X- _ O
...

Cas d'utilisation : balisage de texte

COCO

Exécuté à partir de la ligne de commande :

 python label_studio_converter/cli.py --input examples/image_bbox/completions/ --config examples/image_bbox/config.xml --output tmp/output.json --format COCO --image-dir tmp/images

Exécuté depuis python :

 depuis label_studio_converter import Converterc = Converter('examples/image_bbox/config.xml')c.convert_to_coco('examples/image_bbox/completions/', 'tmp/output.conll', output_image_dir='tmp/images')

Les images de sortie peuvent être trouvées dans tmp/images

Obtenir le fichier de sortie tmp/output.json

 { "images": [
    { "largeur": 800, "hauteur": 501, "id": 0, "nom_fichier": "tmp/images/62a623a0d3cef27a51d3689865e7b08a"}
  ], "catégories": [
    { "id": 0, "name": "Planète"},
    { "id": 1, "name": "Moonwalker"}
  ], "annotations": [
    { "id": 0, "image_id": 0, "category_id": 0, "segmentation": [], "bbox": [299,6,377,260 ], "ignore": 0, "iscrowd": 0, "area " : 98020},
    { "id": 1, "image_id": 0, "category_id": 1, "segmentation": [], "bbox": [288,300,132,90 ], "ignore": 0, "iscrowd": 0, "area " : 11880}
  ], "info": {"année": 2019,"version": "1.0","contributeur": "Label Studio"
  }
}

Cas d'utilisation : détection d'objets image

Pascal COV XML

Exécuté à partir de la ligne de commande :

 python label_studio_converter/cli.py --input examples/image_bbox/completions/ --config examples/image_bbox/config.xml --output tmp/voc-annotations --format VOC --image-dir tmp/images

Exécuté depuis python :

 depuis label_studio_converter import Converterc = Converter('examples/image_bbox/config.xml')c.convert_to_voc('examples/image_bbox/completions/', 'tmp/output.conll', output_image_dir='tmp/images')

Les images de sortie peuvent être trouvées dans tmp/images

Les annotations correspondantes peuvent être trouvées dans tmp/voc-annotations/*.xml :

 

tmp/images
62a623a0d3cef27a51d3689865e7b08a

MaBase de données
COCO2017
flicker
NULL


NULL
Studio d'étiquettes


800
501
3

0

Planète
Non spécifié
0
0

299
6
676
266



Marcheur sur la Lune
Non spécifié
0
0

288
300
420
390

Cas d'utilisation : détection d'objets image

Convertisseur YOLO en Label Studio

Structure du répertoire YOLO

Vérifiez d'abord la structure du dossier YOLO, gardez à l'esprit que la racine est /yolo/datasets/one . 

/yolo/datasets/one
  images
   - 1.jpg
   - 2.jpg
   - ...
  labels
   - 1.txt
   - 2.txt

  classes.txt

exemple classes.txt 

Airplane
Car

Usage 

label-studio-converter import yolo -i /yolo/datasets/one -o ls-tasks.json --image-root-url "/data/local-files/?d=one/images"

Où le chemin de l'URL de ?d= est relatif au chemin que vous avez défini dans LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT .

Remarque pour les stockages locaux

  • Il est très important de définir LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT=/yolo/datasets ( pas sur /yolo/datasets/one , mais sur /yolo/datasets ) pour que Label Studio s'exécute.

  • Ajoutez un nouveau stockage local dans les paramètres du projet et définissez le chemin local absolu sur /yolo/datasets/one/images (ou c:yolodatasetsoneimages pour Windows).

Remarque concernant les stockages cloud

  • Utilisez --image-root-url pour créer des préfixes corrects pour les URL de tâches, par exemple --image-root-url s3://my-bucket/yolo/datasets/one .

  • Ajoutez un nouveau Cloud Storage dans les paramètres du projet avec le bucket et le préfixe correspondants.

Commande d'aide 

label-studio-converter import yolo -h

usage: label-studio-converter import yolo [-h] -i INPUT [-o OUTPUT]
                                          [--to-name TO_NAME]
                                          [--from-name FROM_NAME]
                                          [--out-type OUT_TYPE]
                                          [--image-root-url IMAGE_ROOT_URL]
                                          [--image-ext IMAGE_EXT]

optional arguments:
  -h, --help            show this help message and exit
  -i INPUT, --input INPUT
                        directory with YOLO where images, labels, notes.json
                        are located
  -o OUTPUT, --output OUTPUT
                        output file with Label Studio JSON tasks
  --to-name TO_NAME     object name from Label Studio labeling config
  --from-name FROM_NAME
                        control tag name from Label Studio labeling config
  --out-type OUT_TYPE   annotation type - "annotations" or "predictions"
  --image-root-url IMAGE_ROOT_URL
                        root URL path where images will be hosted, e.g.:
                        http://example.com/images or s3://my-bucket
  --image-ext IMAGE_EXT
                        image extension to search: .jpg, .png

Tutoriel : Importation d'images pré-annotées YOLO dans Label Studio à l'aide du stockage local

Ce didacticiel vous guidera tout au long du processus d'importation d'un dossier contenant des annotations YOLO dans Label Studio pour des annotations ultérieures. Nous couvrirons la configuration de votre environnement, la conversion des annotations YOLO au format Label Studio et leur importation dans votre projet.

Conditions préalables

  • Label Studio installé localement

  • YOLO a annoté les images et les fichiers d'étiquettes .txt correspondants dans le répertoire /yolo/datasets/one .

  • label-studio-converter installé (disponible via pip install label-studio-converter )

Étape 1 : Configurez votre environnement et exécutez Label Studio

Avant de démarrer Label Studio, définissez les variables d'environnement suivantes pour activer le service de fichiers de stockage local :

Systèmes Unix : 

export LABEL_STUDIO_LOCAL_FILES_SERVING_ENABLED=true
export LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT=/yolo/datasets
label-studio

Fenêtres : 

set LABEL_STUDIO_LOCAL_FILES_SERVING_ENABLED=true
set LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT=C:yolodatasets
label-studio

Remplacez /yolo/datasets par le chemin réel vers votre répertoire de jeux de données YOLO.

Étape 2 : configurer le stockage local

  1. Créez un nouveau projet.

  2. Accédez aux paramètres du projet et sélectionnez Cloud Storage .

  3. Cliquez sur Ajouter un stockage source et sélectionnez Fichiers locaux dans les options Type de stockage .

  4. Définissez le chemin local absolu sur /yolo/datasets/one/images ou c:yolodatasetsoneimages sous Windows.

  5. Cliquez sur Add storage .

Vérifiez plus de détails sur les stockages locaux dans la documentation.

Étape 3 : Vérifier l'accès aux images

Avant d'importer les annotations converties depuis YOLO, vérifiez que vous pouvez accéder à une image depuis votre stockage local via Label Studio. Ouvrez un nouvel onglet de navigateur et saisissez l'URL suivante : 

http://localhost:8080/data/local-files/?d=one/images/.jpg

Remplacez one/images/.jpg par le chemin d'accès à l'une de vos images. L'image devrait s'afficher dans le nouvel onglet du navigateur . Si vous ne parvenez pas à ouvrir une image, la configuration du stockage local est incorrecte. La raison la plus probable est que vous avez commis une erreur en spécifiant votre Path dans les paramètres de stockage local ou dans LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT .

Remarque : Le chemin de l'URL de ?d= doit être relatif à LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT=/yolo/datasets , cela signifie que le chemin réel sera /yolo/datasets/one/images/.jpg et cette image devrait exister sur votre disque. conduire.

Étape 4 : Convertir les annotations YOLO

Utilisez le convertisseur label-studio-converter pour convertir vos annotations YOLO dans un format que Label Studio peut comprendre : 

label-studio-converter import yolo -i /yolo/datasets/one -o output.json --image-root-url "/data/local-files/?d=one/images"

Étape 5 : Importer les annotations converties

Importez maintenant le fichier output.json dans Label Studio :

  1. Accédez à votre projet Label Studio.

  2. Dans le gestionnaire de données, cliquez sur Importer .

  3. Sélectionnez le fichier output.json et importez-le.

Étape 6 : Vérifier les annotations

Après l'importation, vous devriez voir vos images avec les cadres de délimitation pré-annotés dans Label Studio. Vérifiez que les annotations sont correctes et effectuez les ajustements nécessaires.

Dépannage

Si vous rencontrez des problèmes avec les chemins ou l'accès aux images, assurez-vous que :

  • Le LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT est défini correctement.

  • Le --image-root-url dans la commande de conversion correspond au chemin relatif : 

`Absolute local path from Local Storage Settings` - `LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT` = `path for --image_root_url`

par exemple : 

/yolo/datasets/one/images - /yolo/datasets/ = one/images

  • Le stockage local dans Label Studio est correctement configuré avec le chemin local absolu vers vos images ( /yolo/datasets/one/images )

  • Pour plus de détails, reportez-vous à la documentation sur l'importation de données pré-annotées et la configuration de Cloud Storages.

Contribuer

Nous serions ravis d'obtenir votre aide pour créer des convertisseurs vers d'autres modèles. N'hésitez pas à créer des demandes de tirage.

  • Ligne directrice de contribution

  • Code de conduite

Développer
Informations supplémentaires
Applications connexes
Recommandé pour vous
Actualités connexes Tout
Commentaires des utilisateurs