конвертер студии этикеток

Другой исходный код

0.0.59

Скачать

Предупреждение

Этот репозиторий был заархивирован и объединен с SDK Label Studio: https://github.com/HumanSignal/label-studio-sdk/tree/master/src/label_studio_sdk/converter.

Конвертер студии этикеток

Веб-сайт • Документы • Twitter • Присоединяйтесь к сообществу Slack

Введение

Конвертер форматов Label Studio помогает кодировать этикетки в формат вашей любимой библиотеки машинного обучения.

Примеры

JSON

Запуск из командной строки:

 pip install -U label-studio-converter
python label-studio-converter экспорт -i Exported_tasks.json -c примеры/sentiment_anaанализ/config.xml -o выходной_каталог -f CSV

Запуск из Python:

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

Получение выходного файла: tmp/output.json

 [
  {"reviewText": "Хороший случай, отличная цена.","sentiment": "Позитивно"
  },
  {"reviewText": "Какая пустая трата денег и времени!","sentiment": "Негативно"
  },
  {"reviewText": "Гусиную шею нужно немного уговорить","sentiment": "Нейтрально"
  }
]

Варианты использования: любые задачи

CSV-файл

Запуск из командной строки:

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

Запуск из Python:

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

Получение выходного файла tmp/output.tsv :

 отзывТекстсантивыХороший корпус, отличная цена.ПоложительныйКакая пустая трата денег и времени!НегативныйГусиную шею нужно немного уговоритьНейтральный

Варианты использования: любые задачи

КонНЛЛ 2003 г.

Запуск из командной строки:

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

Запуск из Python:

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

Получение выходного файла 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
...

Варианты использования: текстовые теги

КОКО

Запуск из командной строки:

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

Запуск из Python:

 from 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')

Выходные изображения можно найти в tmp/images

Получение выходного файла tmp/output.json

 { "изображения": [
    { «ширина»: 800, «высота»: 501, «id»: 0, «имя_файла»: «tmp/images/62a623a0d3cef27a51d3689865e7b08a»}
  ], "категории": [
    { "id": 0, "name": "Планета"},
    { "id": 1, "name": "Лунный ходок"}
  ], "аннотации": [
    { "id": 0, "image_id": 0, "category_id": 0, "сегментация": [], "bbox": [299,6,377,260 ], "игнорировать": 0, "iscrowd": 0, "область" ": 98020},
    { "id": 1, "image_id": 0, "category_id": 1, "сегментация": [], "bbox": [288,300,132,90 ], "игнорировать": 0, "iscrowd": 0, "область" ": 11880}
  ], "info": {"year": 2019, "version": "1.0", "contributor": "Label Studio"
  }
}

Варианты использования: обнаружение объекта изображения.

Паскаль VOC XML

Запуск из командной строки:

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

Запуск из Python:

 from 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')

Выходные изображения можно найти в tmp/images

Соответствующие аннотации можно найти в tmp/voc-annotations/*.xml :

 
<аннотация>
tmp/images
<имя_файла>62a623a0d3cef27a51d3689865e7b08a
<источник>
Моя база данных
COCO2017
flickr
NULL

<владелец>
NULL
Студия этикеток

<размер>
<ширина>800
<высота>501
<глубина>3

<сегментированный>0
<объект>
Планета
Не указано
0
<сложно>0

299
6
676
266


<объект>
Луноход
Не указано
0
<сложно>0

288
300
420
390

Варианты использования: обнаружение объекта изображения.

Конвертер YOLO в Label Studio

Структура каталогов YOLO

Сначала проверьте структуру папки YOLO, имейте в виду, что корень — /yolo/datasets/one .

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

  classes.txt

пример class.txt

Airplane
Car

Использование

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

Где путь URL-адреса из ?d= относится к пути, установленному вами в LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT .

Примечание для локальных хранилищ

Очень важно установить LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT=/yolo/datasets ( не /yolo/datasets/one , а /yolo/datasets ) для запуска Label Studio.
Добавьте новое локальное хранилище в настройках проекта и установите для абсолютного локального пути значение /yolo/datasets/one/images (или c:yolodatasetsoneimages для Windows).

Примечание для облачных хранилищ

Используйте --image-root-url чтобы создать правильные префиксы для URL-адресов задач, например --image-root-url s3://my-bucket/yolo/datasets/one .
Добавьте в настройках проекта новое облачное хранилище с соответствующим бакетом и префиксом.

Команда помощи

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

Учебное пособие. Импорт изображений с предварительно аннотированными данными YOLO в Label Studio с использованием локального хранилища

Из этого руководства вы узнаете, как импортировать папку с аннотациями YOLO в Label Studio для дальнейших аннотаций. Мы рассмотрим настройку вашей среды, преобразование аннотаций YOLO в формат Label Studio и их импорт в ваш проект.

Предварительные условия

Label Studio установлена локально
Изображения с аннотациями YOLO и соответствующие файлы меток .txt в каталоге /yolo/datasets/one .
label-studio-converter установлен (доступно через pip install label-studio-converter )

Шаг 1. Настройте среду и запустите Label Studio.

Перед запуском Label Studio установите следующие переменные среды, чтобы включить обслуживание файлов в локальном хранилище:

Unix-системы:

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

Окна:

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

Замените /yolo/datasets фактическим путем к каталогу наборов данных YOLO.

Шаг 2. Настройка локального хранилища

Создайте новый проект.
Зайдите в настройки проекта и выберите Cloud Storage .
Нажмите «Добавить исходное хранилище» и выберите «Локальные файлы» в списке «Тип хранилища» .
Установите абсолютный локальный путь /yolo/datasets/one/images или c:yolodatasetsoneimages в Windows.
Нажмите Add storage .

Более подробную информацию о локальных хранилищах можно найти в документации.

Шаг 3. Проверьте доступ к изображению

Прежде чем импортировать преобразованные аннотации из YOLO, убедитесь, что у вас есть доступ к изображению из локального хранилища через Label Studio. Откройте новую вкладку браузера и введите следующий URL-адрес:

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

Замените one/images/.jpg на путь к одному из ваших изображений. Изображение должно отобразиться на новой вкладке браузера . Если вы не можете открыть изображение, значит, конфигурация локального хранилища неверна. Наиболее вероятная причина в том, что вы допустили ошибку при указании Path в настройках локального хранилища или в LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT .

Примечание. URL-путь от ?d= должен быть относительным к LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT=/yolo/datasets . Это означает, что реальный путь будет /yolo/datasets/one/images/.jpg и это изображение должно существовать на вашем жестком диске. водить машину.

Шаг 4. Преобразование аннотаций YOLO

Используйте label-studio-converter для преобразования аннотаций YOLO в формат, понятный Label Studio:

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

Шаг 5. Импортируйте конвертированные аннотации

Теперь импортируйте файл output.json в Label Studio:

Перейдите в свой проект Label Studio.
В Диспетчере данных нажмите «Импорт» .
Выберите файл output.json и импортируйте его.

Шаг 6. Проверьте аннотации

После импорта вы должны увидеть изображения с предварительно аннотированными ограничивающими рамками в Label Studio. Убедитесь, что аннотации верны, и внесите необходимые изменения.

Поиск неисправностей

Если у вас возникли проблемы с путями или доступом к изображениям, убедитесь, что:

LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT установлен правильно.
--image-root-url в команде преобразования соответствует относительному пути:

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

например:

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

Локальное хранилище в Label Studio настроено правильно с абсолютным локальным путем к вашим изображениям ( /yolo/datasets/one/images ).
Более подробную информацию можно найти в документации по импорту предварительно аннотированных данных и настройке облачных хранилищ.